dispatch
bassimeledath/dispatch加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
Dispatch 是一个运行在 Claude Code 中的技能包（skill），它通过将大任务分解为多个子任务、并将这些子任务分派给后台 AI Worker 并行执行，从而突破单个对话会话的上下文窗口限制。
图1：Dispatch 的核心价值——将主会话从繁重的实现工作中解放出来
没有 Dispatch 时：你让 AI 先后完成代码审查、重构模块、编写测试、更新文档。每个任务填满上下文窗口，到第3个任务时 AI 开始"失忆"，到第5个任务你只能开新会话。
有了 Dispatch 后：你一次性描述5个任务，Worker 并行执行，每个都有自己完整的上下文窗口。主会话保持轻量，AI 遇到问题时主动提问——你回答后它继续，不丢失任何上下文。
大型代码重构、安全审计、性能分析等任务往往涉及数千行代码和多个技术领域。使用传统 AI 编程工具时，用户只能在单一会话中逐步完成，随着上下文窗口逐渐被填满，AI 开始遗忘早期讨论的内容、重复之前的决策，甚至产生自相矛盾的修改建议。
Dispatch 的作者 Bassem Eledath（bassimeledath）敏锐地捕捉到了这个痛点。受 AI Agent 架构中"规划-执行-监控"分离模式的启发，他将 Claude Code 从"执行者"转变为"调度者"，让 AI 在遇到复杂任务时主动拆分、并行执行并管理子任务的生命周期。这一设计理念在 2025-2026 年的 AI Coding 工具生态中具有代表性——AI 正在从"单兵作战"走向"团队协作"。
Dispatch 的 GitHub 仓库已被标记为 ai-agents、ai-coding、automation、claude-code、coding-assistant、developer-tools、multi-model、task-orchestration 等主题词，当前版本 3.0.0，最后更新于 2026 年 4 月。
Dispatch 的工作流程分为以下几个关键步骤：
图2：Dispatch 架构图
用户发起：/dispatch 命令触发调度器，附带任务描述和可选的模型指定（如 use opus、use sonnet）
任务规划：调度器读取 ~/.dispatch/config.yaml 配置，解析任务需求，生成基于检查清单的计划文件（plan.md），作为唯一真实状态来源
Worker 分派：为每个子任务创建独立的 IPC 目录（.dispatch/tasks/<id>/ipc/），后台启动 Worker 进程。Worker 在全新的上下文中运行，不受主会话上下文窗口限制
双向通信（IPC 协议）：Worker 如遇阻塞，通过原子写入将问题写入 IPC 目录（如 001.question），监控脚本检测到后通知调度器，调度器向用户提问，答案写入 001.answer，Worker 读取后继续执行——整个过程不丢失上下文
结果汇总：所有 Worker 完成后，调度器汇总检查清单完成情况，向用户报告
Dispatch 实现了进程间通信而不依赖网络或消息队列：利用文件系统作为通信媒介，通过原子写入（temp 文件 + mv）避免竞争条件。具体流程为：Worker 在遇到问题时写 001.question → 监控脚本检测到后退出 → 触发 Claude Code 的 <task-notification> 事件 → 调度器读取问题并向用户提问 → 用户回答后调度器写 001.answer → 重启监控脚本 → Worker 读取答案继续。整个延迟控制在秒级，用户几乎感知不到中断。
Dispatch 另一个亮点是支持在同一个任务中混用不同模型。你可以在任务描述中指定使用哪个模型：
/dispatch use opus to review this PR — 使用 Claude Opus 进行深度审查/dispatch use gemini to refactor the config parser — 使用 Gemini 进行代码重构/dispatch use sonnet in a worktree to audit security — 使用 Sonnet 在隔离的 Git Worktree 中进行安全审计配置层面，用户只需在 ~/.dispatch/config.yaml 中定义 Backend（CLI 命令）和 Model 映射即可。Dispatch 支持的 Backend 包括：
claude -p --dangerously-skip-permissions（Claude Code 的程序化模式）agent -p --force --workspace "$(pwd)"（Cursor CLI）codex exec --full-auto -C "$(pwd)"（OpenAI Codex CLI）对于 Cursor 和 Codex 后端，Dispatch 会自动追加 --model 参数；对于 Claude 后端则不追加（Claude CLI 自己管理模型选择）。这一细节设计体现了对不同 CLI 行为差异的深入理解。
Dispatch 通过 npx skills add 安装，与 Claude Code 的 Skills 生态完全兼容：
npx skills add bassimeledath/dispatch -g # 用户级（所有项目可用）
npx skills add bassimeledath/dispatch # 项目级（团队共享）
安装后，每次启动 Claude Code 会话时运行一次 /dispatch（无参数）进行"热身"，预加载配置文件，后续调度任务更快。
claude 命令）agent）、Codex CLI（codex）Dispatch 在首次运行时会自动检测系统中已安装的 CLI、探测可用模型、生成配置文件，全程无需手动编辑 YAML。
Dispatch 的代码结构高度模块化，核心组件包括：
| 组件 | 路径 | 说明 |
|---|---|---|
| 技能定义 | skills/dispatch/SKILL.md | Claude Code Skills 规范，定义调度器行为 |
| 配置示例 | skills/dispatch/references/config-example.yaml | 用户配置参考 |
| 计划文件 | .dispatch/tasks/<id>/plan.md | 检查清单，Worker 逐项更新 |
| IPC 目录 | .dispatch/tasks/<id>/ipc/ | 双向通信文件 |
| 上下文转储 | .dispatch/tasks/<id>/context.md | Worker 超时时保留状态 |
Dispatch 的架构遵循了 Agent Harness 模式——调度器负责任务规划与分配，Worker 负责任务执行，IPC 目录负责状态同步。这种架构与 LangChain 的 AgentExecutor、AutoGPT 的任务管理机制在理念上一致，但 Dispatch 的实现更轻量——没有 LangChain 的依赖图，也不需要 AutoGPT 的复杂记忆系统，仅通过文件系统和监控脚本实现了完整的生命周期管理。
Dispatch 的配置系统采用模型中心化设计：Backends 定义 CLI 命令一次，Models 通过一行配置映射到 Backends。相比 Backend 中心化设计，这种方式在增加新模型时更简洁——只需加一行配置，无需修改命令构造逻辑。
Claude Code 强依赖：Dispatch 本质上是一个 Claude Code 插件，无法独立运行。如果 Claude Code 的 CLI 行为发生变更（例如 --dangerously-skip-permissions 参数被移除），Dispatch 需要紧急适配。
Worker 隔离性有限：虽然 Worker 运行在独立进程中，但它与主会话共享同一个代码仓库。Git Worktree 提供了部分隔离能力，但不是完全沙箱隔离。
缺乏可视化进度面板：目前进度通过检查清单文件（plan.md）跟踪，没有图形界面。对于习惯 GUI 的用户，上手曲线较陡。
IPC 超时风险：若用户在 3 分钟内未回答 Worker 的问题，Worker 会将上下文转储到 context.md 后退出，下次需要从头开始解释背景。
Dispatch 代表了 2025-2026 年 AI Coding 工具的一个重要趋势：从"单 Agent 执行"到"多 Agent 协作"。当单个 Agent 的上下文窗口成为瓶颈时，业界开始探索用多个 Agent 分摊任务，每个 Agent 维护自己的上下文。Dispatch 通过文件系统实现了轻量级的多 Agent 协调，不需要额外的消息队列或服务总线。
同时，Dispatch 也顺应了 Claude Code Skills 生态的快速发展。随着 Claude Code 的 Skills API 逐渐成熟，越来越多的工具以 Skill 形式分发，形成了类似 VS Code 插件市场的插件生态。Dispatch 踩在了这个生态的早期红利期。
GitHub 上标记的 task-orchestration、multi-model 等主题词，恰好对应了当前 AI Agent 领域最热门的两个研究方向。Dispatch 虽然只是一个 Claude Code 技能包，但它折射出的架构理念和工程实践，值得关注 AI Agent 发展的技术人员深入研究。