full-use-subagent 是一个 Codex skill，目标很直接：
把一次软件开发任务拆给尽可能多的 subagent 并行处理，用 AI 订阅额度和 token 换更快的完成速度、更充分的探索、更全面的测试和更稳的代码质量。
很多时候，我们买了 AI coding 订阅，但一次任务里只和一个 agent 对话。一个 agent 再强，也只能串行完成：读代码、理解架构、实现功能、跑测试、查 bug、做 review。
full-use-subagent 的思路是：既然额度已经买了，就不要只跑单线程。让主 agent 当总控，把可并行的工作分给多个 subagent。
把这个仓库 clone 到 Codex skills 目录：
git clone https://github.com/loong-solvable/full-use-subagent.git ~/.codex/skills/full-use-subagent然后在 Codex 里这样调用：
Use $full-use-subagent for this development task. Max out useful parallel subagents and do not optimize for token use.
也可以直接说：
用 $full-use-subagent 帮我实现这个功能，尽量开满 subagent，不用省 token。
适合几乎所有你想“多用点 AI 订阅额度换质量和速度”的软件开发任务，尤其是：
- 开始一个比较宽泛的开发任务
- 实现一个新功能
- 修复杂 bug
- 重构多个模块
- 补测试或修测试
- 调查一批失败用例
- 上线前做质量检查
- 希望同时进行实现、验证和 review
- 想把用不完的 AI 额度转成更多工程产出
主 agent 不再只自己串行干活，而是变成 controller：
- 快速理解用户目标和项目结构
- 判断任务可以怎么拆
- 尽可能开满当前平台允许的 subagent
- 把不同任务分给不同角色
- 收集 subagent 结果
- 集成代码、解决冲突、跑最终验证
它不追求省 token。
它追求的是：更快完成、更少漏检、更高质量、更省心。
常见角色包括：
- Explorer：读代码，找入口、架构、测试、约定、风险点
- Worker：负责某个明确范围内的代码修改
- Verifier：跑测试、复现 bug、检查 UI/API 行为
- Spec Reviewer：检查实现是否真的满足需求
- Quality Reviewer：检查代码质量、边界情况、回归风险和测试缺口
- Fixer：针对失败测试或 review 问题做定点修复
如果任务能安全拆分，它会让多个 worker 并行写代码。
如果任务不好拆，它不会硬让多个 agent 改同一批文件，而是把额外 subagent 用在探索、验证、审查、风险扫描和替代假设分析上。
最大并行不等于乱改代码。
这个 skill 的基本原则是：
- 同一块重叠写入范围只放一个 writer
- worker 必须有明确的 owned paths 和 forbidden paths
- 不让多个 worker 同时抢同一个文件
- subagent 的报告不能直接相信
- 主 agent 必须检查 diff、集成结果并跑最终验证
也就是说，它不是“让一堆 agent 乱冲”，而是尽量把多余 AI 能力转化成有用的探索、实现、测试和 review。
用 $full-use-subagent 给这个项目加 GitHub OAuth 登录，包括后端接口、前端入口、测试和 review。
用 $full-use-subagent 调查并修复这些失败测试，尽量开满 subagent。
用 $full-use-subagent 重构这个 package，把模块边界拆清楚，并补上对应测试。
用 $full-use-subagent 做上线前检查，多开 reviewer 和 verifier，重点找回归风险。
这个 skill 的重点不是固定流程，而是通用调度：
- 不把任务写死成某一种开发模板
- 不因为任务拆分不完美就停住
- 不为了省 token 减少检查
- 能写就并行写
- 不能写就并行查、并行测、并行审
- 主 agent 始终负责最终质量
一句话：
把单 agent 串行开发，变成一个临时并行开发小队。
SKILL.md：skill 触发信息和主调度流程references/prompts.md：Explorer、Worker、Verifier、Reviewer、Fixer 的 prompt 模板agents/openai.yaml：Codex skill 展示元数据