grill-implement-parallel
Orquestra os workers não-frontier da etapa implement-parallel sobre o Execution DAG, com worktree isolado por worker e receipt submetido apenas pelo leader.
- License 许可
- MIT
- 最近更新
- 2026-09-28
- Stars
- ★ 0
- Forks
- 0
01 前言 Front Matter
- name
- grill-implement-parallel
- description
- Orquestra os workers não-frontier da etapa implement-parallel sobre o Execution DAG, com worktree isolado por worker e receipt submetido apenas pelo leader.
- argument-hint
- <git-root> --work-id <id> --run-id <run> --dag <path>
03 SKILL.md 正文
Grill Implement Parallel v4.0.0
Canonical Skill da etapa implement-parallel do WORKFLOW v4. Você é o leader: orquestra, não implementa. Os workers implementam, cada um no próprio worktree, cada um com escopo fechado, nenhum com modelo de fronteira.
Regras invioláveis
- O receipt da etapa é seu. Nenhum worker faz checkpoint da etapa (spec 013 US1, ADR-0010).
- Você não escolhe modelo.
gauntlet-worker-declareresolve o modelo a partir do tier do nó. Não passe--model. - Nenhum worker toca
tasks.md. Cada um grava só o próprio sidecar. - Tarefas em
deferred_to_leadersão suas. Elas escrevem evidência de coordenador e worker nenhum pode executá-las.
Passos
1. Preflight — antes de qualquer worker existir
- Checklists. Rode o mesmo scan que
speckit-implementfaz. Se houver item aberto, pare aqui comCHECKLIST-INCOMPLETEe peça a decisão ao humano uma vez, no chat principal. Três workers parando para perguntar é deadlock de três vias com ostall_minutescorrendo. - Hooks. Leia
.specify/extensions.yml. Qualquer entrada emhooks.before_implement/hooks.after_implementcomoptional: false⇒ bloqueie comHOOK-FANOUT-UNSAFE. Um hook obrigatório que muta estado compartilhado dispararia uma vez por worker.
2. Declarar a wave
python3 <plugin>/scripts/grill_workspace.py gauntlet-wave-declare ROOT \
--work-id ID --run-id RUN --dag specs/NNN/execution-dag.json \
--node-id p01-a --node-id p01-b --node-id p01-c
Só nós prontos (dependências terminais) entram. Um nó parallel:false despacha sozinho na própria wave.
3. Declarar cada worker
python3 <plugin>/scripts/grill_workspace.py gauntlet-worker-declare ROOT \
--work-id ID --run-id RUN --wave-id wave-0001 --node-id p01-a \
--tier medium --dag specs/NNN/execution-dag.json \
--files <cada file do nó>
Use gauntlet-worker-declare, nunca gauntlet-prepare-worker: a superfície legada aceita --scope sem DAG e pula seis verificações (sufixo reservado, piso de tier, escopo de evidência, pertencimento à wave, wave ativa, dependência terminal).
4. Despachar os subagentes
Use orca orchestration worker-start --spec ... --worktree path:<worktree do worker> --agent <runtime> --model <model devolvido> --run <run Orca> --json para cada worker. Guarde o dispatchId retornado e registre a sessão imediatamente após o start:
python3 <plugin>/scripts/grill_workspace.py gauntlet-worker-session ROOT \
--work-id ID --run-id RUN --worker-id p01-a --dispatch ctx-... \
--phase register --session-ref LEADER
Um worker por nó, no próprio worktree, com o modelo que o declare devolveu — nunca um escolhido por você. Cada worker:
- invoca
speckit-implementcom o brief como$ARGUMENTS; - informa progresso ao líder a cada tarefa concluída; o líder chama
gauntlet-progress-record(renova o lease, evitastallaos 15 min); - grava
specs/NNN/implement/<node-id>.tasks.json; - commita na própria branch;
- envia
worker_donepelo Dispatch injetado e encerra seu turno.
Após receber e aceitar o worker_done do Dispatch exato, o líder confere o resultado/diagnóstico salvo no worktree, chama gauntlet-worker-terminal --outcome completed (ou failed com classificação honesta), depois gauntlet-worker-session --phase release --result <path relativo no worktree> e confere RELEASED ou REUSED. Esse verbo registra CLOSE_PENDING antes do efeito, executa orca orchestration worker-release --dispatch, lê o mesmo Dispatch com worker-show e persiste CLOSED somente com identidade e arquivo de saída arquivado. Em UNKNOWN, preserve a sessão e repita a mesma operação: a retomada lê o Dispatch sem enviar outro release. Se ainda estiver ativo, reconcilie no Orca antes de repetir. Não use terminal close.
O brief vem de comando, não de prosa sua:
python3 <plugin>/scripts/grill_workspace.py gauntlet-partition-brief ROOT \
--dag specs/NNN/execution-dag.json --node-id p01-a \
--report specs/NNN/partition-report.json
O brief é dica. A garantia é o grant do worktree mais a verificação de diff em gauntlet-converge (GRANT-SCOPE-VIOLATION).
5. Convergir
python3 <plugin>/scripts/grill_workspace.py gauntlet-converge ROOT \
--work-id ID --run-id RUN --wave-id wave-0001
Merge --no-ff serial, em ordem de node_id. Conflito de conteúdo não é resolvido automaticamente (ADR-0009): INTEGRATION_CONFLICT nomeia os nós e o humano resolve. gauntlet-remediate só aceita stall e transient-failure.
Para uma sessão Orca, cada worker convergível precisa de recurso de sessão CLOSED com release confirmado; substituição exige a mesma prova do worker anterior. O cleanup Git do worktree continua após o merge. Workers antigos exigem registro por identidade e settlement comprovados antes de elegibilidade; nenhum resultado aceito é repetido para drenar cleanup.
Repita 2–5 enquanto houver nó não terminal.
6. Reconciliar e fechar
python3 <plugin>/scripts/grill_workspace.py gauntlet-tasks-reconcile ROOT \
--work-id ID --run-id RUN --dag specs/NNN/execution-dag.json
Lê os sidecars já mergeados e marca [X] em tasks.md, uma vez, na branch do coordenador. Determinístico, sem modelo no loop.
Depois execute você mesmo as tarefas de deferred_to_leader, e só então faça o checkpoint da etapa.
Worker que falha
gauntlet-converge integra apenas lineage-head em estado terminal. Um worker FAILED é ignorado no merge e a wave fecha sem ele; a etapa converge seguinte apanha o resto como tarefa nova — é literalmente para isso que ela existe.
04 同仓库更多 Skills
offline-presentation-fixture
暂无简介
grill-with-docs
Entrevista decisões arquiteturais por work item isolado, mantém feature plan-only e oferece hotfix-fast executável com HOTFIX-GO fail-closed.
grill-partition
Particiona tasks.md em subfases file-disjuntas e emite o Execution DAG versionado da etapa partition, de forma determinística e sem julgamento de modelo.
speckit-verify-review-ship-verify
Run post-convergence executable gates and diff hygiene checks
speckit-verify-review-ship-v
Run post-convergence executable gates and diff hygiene checks
speckit-verify-review-ship-ship
Capture approved project learnings, revalidate, merge safely, clean up, and summarize delivery