feat(skills): 新增 workflow 内置技能(v1.0.5)

将 workflow 工作流编排技能从 desirecore 主仓库的 bundled-only 状态搬迁到 market,
由市场仓库统一管理,避免每次 sync-global-skills 时被脚本清空。

技能内容:
- skills/workflow/SKILL.md (v1.0.5) — Workflow DSL 设计、编辑、测试、执行的
  完整指引;工具引用使用 PascalCase(WorkflowCreate / WorkflowValidate /
  WorkflowTest / WorkflowRun)对齐 desirecore PR #529
- skills/workflow/templates/workflow.dsl.yaml — 五基座示例 DSL 模板(trigger
  / code / llm / agent / human_gate)

注册:
- builtin-skills.json: 23 项(按字母序在 web-access 与 xlsx 之间插入)
- manifest.json: totalSkills 22 → 23

下一步:在 desirecore 主仓库跑 npm run sync-global-skills 即可让 workflow 由
sync 脚本接管,不再需要手工 git checkout 恢复。
This commit is contained in:
2026-05-04 00:30:11 +08:00
parent c68ab2a124
commit 1c107a9344
4 changed files with 752 additions and 1 deletions

View File

@@ -21,6 +21,7 @@
"skill-creator",
"update-agent",
"web-access",
"workflow",
"xlsx"
]
}

View File

@@ -15,7 +15,7 @@
},
"stats": {
"totalAgents": 1,
"totalSkills": 22,
"totalSkills": 23,
"lastUpdated": "2026-05-04"
},
"features": [

635
skills/workflow/SKILL.md Normal file
View File

@@ -0,0 +1,635 @@
---
name: 工作流编排
description: >-
引导 Agent 设计、编辑、测试和执行 Workflow 工作流。Use when
用户要求创建工作流、编排多步骤自动化流程、设计审批流水线、
或将重复性多节点任务编排成可复用的 DSL。
version: 1.0.5
type: procedural
risk_level: low
status: enabled
disable-model-invocation: true
tags:
- workflow
- orchestration
- automation
- dsl
metadata:
author: desirecore
updated_at: '2026-05-04'
market:
icon: >-
<svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0
24 24" fill="none"><defs><linearGradient id="wf-a" x1="2" y1="4" x2="22"
y2="20" gradientUnits="userSpaceOnUse"><stop stop-color="#007AFF"/><stop
offset="1" stop-color="#AF52DE"/></linearGradient></defs><circle cx="5"
cy="5" r="2.5" fill="url(#wf-a)" fill-opacity="0.15" stroke="url(#wf-a)"
stroke-width="1.5"/><circle cx="19" cy="5" r="2.5" fill="url(#wf-a)"
fill-opacity="0.15" stroke="url(#wf-a)"
stroke-width="1.5"/><circle cx="12" cy="12" r="2.5" fill="url(#wf-a)"
fill-opacity="0.15" stroke="url(#wf-a)"
stroke-width="1.5"/><circle cx="12" cy="20" r="2.5" fill="#34C759"
fill-opacity="0.9"/><line x1="7" y1="6.5" x2="10" y2="10.5"
stroke="url(#wf-a)" stroke-width="1.5" stroke-linecap="round"/><line
x1="17" y1="6.5" x2="14" y2="10.5" stroke="url(#wf-a)"
stroke-width="1.5" stroke-linecap="round"/><line x1="12" y1="14.5"
x2="12" y2="17.5" stroke="url(#wf-a)" stroke-width="1.5"
stroke-linecap="round"/></svg>
short_desc: 引导设计、编辑、测试和执行多节点自动化工作流
category: productivity
maintainer:
name: DesireCore Official
verified: true
compatible_agents: []
channel: latest
requires:
tools:
- Write
- Edit
- Read
optional_tools:
- Bash
---
# workflow 技能
## L0一句话摘要
引导 Agent 通过 DSL 设计、编辑、校验、测试和执行多节点自动化工作流。
## L1概述与使用场景
### 能力描述
workflow 是一个**流程型技能Procedural Skill**,赋予 Agent 编排多步骤自动化工作流的能力。工作流以 YAML DSL 文件描述,由引擎按拓扑顺序自动执行。
**五种基座节点**
| 基座 | 用途 | 典型场景 |
|------|------|---------|
| `trigger` | 工作流入口,声明输入参数 | 手动触发、webhook 触发 |
| `code` | 执行代码JS/Python | 数据获取、API 调用 |
| `llm` | 单次 LLM 调用(无状态) | 文本生成、数据分析、摘要 |
| `agent` | 调用完整 Agent有状态 | 需要 Agent 记忆、工具、技能的复杂任务 |
| `human_gate` | 等待用户确认 | 敏感操作审批 |
### 使用场景
- 用户想把重复性多步骤工作编排成自动化流程
- 用户需要多个 Agent 协作完成一个复杂任务
- 用户需要在自动化流程中插入人工审批环节
- 用户想复用和分享已验证的工作流程
### 核心价值
- **可视化编排**DSL 描述清晰直观,支持画布可视化
- **渐进式构建**:先写骨架再逐步丰富,降低出错概率
- **安全门控**:通过 human_gate 节点在关键环节保留人工决策权
- **可复用**DSL 文件可存档、版本管理、跨 Agent 共享
## L2详细规范
### 工作流程 SOP
```
┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│ 1. 理解意图 │ ──→ │ 2a. 设计拓扑 │ ──→ │ 2b. 逐节点配置 │ ──→ │ 3. 校验 DSL │
└──────────────┘ │ (节点骨架) │ │ config/code│ └──────────────┘
└──────────────┘ └──────────────┘ │
┌──────────────┐ ┌──────────────┐
│ 5. 正式执行 │ ←── │ 4. 干跑测试 │
└──────────────┘ └──────────────┘
```
### 阶段 1理解意图
**触发条件**(任一满足):
- 用户明确说"创建一个工作流"或"帮我编排一个流程"
- 用户描述一个需要多步骤、多角色协作的任务
- 用户想把手动重复的操作自动化
**收集信息**
| 信息 | 说明 | 引导问题 |
|------|------|---------|
| 目标 | 工作流要完成什么 | "这个流程最终要产出什么?" |
| 步骤 | 大致有哪些环节 | "你通常是怎么做的?分几步?" |
| 审批 | 哪些环节需要人工确认 | "有哪些步骤需要你亲自过目确认?" |
| Agent | 是否需要调用特定 Agent | "有没有已有的 Agent 可以参与?" |
### 阶段 2渐进式构建 DSL
**DSL 文件位置**
```
~/.desirecore/workflows/<wf_id>/workflow.dsl.yaml
```
其中 `wf_id` 使用 `wf_` 前缀 + snake_case`wf_legal_review``wf_daily_report`
**构建策略**:严格分两步——先设计节点拓扑,再逐节点填充配置。**禁止在骨架阶段编写节点的 config 和 code 细节。**
#### 步骤 2a设计节点拓扑骨架
先与用户对齐整体流程设计,确认后使用 Write 工具一次性创建骨架 DSL 文件。骨架用于对齐拓扑,不要求立即通过 `WorkflowValidate`;最终完整 DSL 写入时优先使用 `WorkflowCreate`
**骨架只包含**
- 根字段version、id、name、description、creator
- 每个节点的 `id``base``display.name`
- 每个节点的 `outputs`(声明变量名和描述)
- `flow`start、edges、end
**骨架不包含**config 内容code / system_prompt / task / prompt 等、inputs 引用。
```yaml
# 骨架示例——只有结构,没有实现细节
version: "1.0"
id: wf_daily_report
name: 每日报告生成
description: 从多个数据源获取数据,生成日报并审批发送
creator: desirecore
nodes:
- id: trigger
base: trigger
display:
name: 手动触发
config:
type: manual
outputs:
date:
type: string
description: "报告日期"
required: true
- id: fetch_data
base: code
display:
name: 获取数据
config: {} # 待步骤 2b 填充
outputs:
raw_data: "原始数据"
- id: analyze
base: llm
display:
name: AI 分析
config: {} # 待步骤 2b 填充
outputs:
report: "分析报告"
- id: review
base: human_gate
display:
name: 人工审阅
config: {} # 待步骤 2b 填充
outputs:
decision: "审批决定"
comment: "审批备注"
- id: send
base: code
display:
name: 发送报告
config: {} # 待步骤 2b 填充
outputs:
status: "发送状态"
flow:
start: trigger
edges:
- { from: trigger, to: fetch_data }
- { from: fetch_data, to: analyze }
- { from: analyze, to: review }
- { from: review, to: send }
end: [send]
```
骨架创建后,向用户确认节点设计和流程是否正确,再进入步骤 2b。
#### 步骤 2b逐节点填充配置
按拓扑顺序(从 trigger 开始,沿 edges 方向)逐个节点填充 config 和 inputs。每完成一个节点使用 Edit 工具写入,**不要一次性填充所有节点**。
**每个节点填充内容**
1. `inputs` — 引用上游节点的输出(`{{nodeId.outputKey}}`
2. `config` — 该基座类型的具体配置:
- **code 节点**:编写 `runtime``code`(完整的可执行代码)
- **llm 节点**:编写 `system_prompt`、选择 `model` / `provider`、设置 `temperature` 等参数
- **agent 节点**:指定 `agent_id` 和编写 `task` 描述
- **human_gate 节点**:编写审批 `prompt`(含 `{{}}` 插值)
**逐节点填充顺序示例**(以上方骨架为例):
```
1. fetch_data — 编写获取数据的 JS/Python 代码
2. analyze — 编写 system_prompt选择模型配置 inputs 引用 fetch_data 输出
3. review — 编写审批提示词,配置 inputs 引用 analyze 输出
4. send — 编写发送逻辑的代码,配置 inputs 引用 review 输出
```
填充完所有节点后进入阶段 3 校验。
### DSL 编写规范
#### 根结构
```yaml
version: "1.0" # 固定值
id: wf_<snake_case_name> # 必须以 wf_ 前缀开头
name: 工作流显示名称 # 人类可读名称
description: 工作流用途描述 # 可选,说明适用场景
creator: <agent_id> # 创建此工作流的 Agent ID
nodes: # 节点列表(至少 1 个)
- id: ...
base: ...
...
flow: # 流程控制
start: <起始节点 id>
edges:
- { from: <节点 id>, to: <节点 id> }
end: [<终止节点 id>]
```
#### code 节点配置
code 节点执行**内联代码**JS 或 Python通过 `inputs` 对象访问上游数据,通过 `return` 返回结果。
```yaml
- id: format_data
base: code
display:
name: 格式化数据
config:
runtime: nodejs # nodejs 或 python
timeout_ms: 30000 # 超时毫秒数(可选,默认 30000
code: |
// inputs 对象包含所有上游传入的数据
const data = JSON.parse(inputs.raw_data)
const formatted = data.map(item => ({
title: item.title.trim(),
date: new Date(item.pubDate).toISOString().slice(0, 10),
}))
return { formatted: JSON.stringify(formatted) }
inputs:
raw_data: "{{fetch_node.result}}" # 引用上游节点 fetch_node 的 result 输出
outputs:
formatted: "格式化后的数据"
```
**config 字段说明**
| 字段 | 必填 | 说明 |
|------|------|------|
| `runtime` | 是 | `nodejs``python` |
| `code` | 是 | 内联代码。JS 通过 `inputs` 对象访问输入,`return` 返回输出对象。Python 同理。 |
| `timeout_ms` | 否 | 执行超时(默认 30000ms |
**JS 代码注意事项**
- 代码在 `new Function('inputs', ...)` 中执行,支持 `async/await``fetch`
- **不支持 `require()`**,不能导入 Node.js 模块
- 通过 `inputs.xxx` 访问输入数据
- 必须 `return` 一个对象,其 key 对应 `outputs` 中声明的变量名
**Python 代码注意事项**
- 通过 `inputs['xxx']` 访问输入数据
- 必须 `return` 一个字典
#### llm 节点配置
llm 节点执行**单次无状态 LLM 调用**,适用于文本生成、数据分析、摘要等场景。与 agent 节点的区别是不涉及 Agent 的记忆、工具和技能。
```yaml
- id: summarize
base: llm
display:
name: AI 摘要
config:
provider: anthropic # 供应商名称(可选,精确匹配)
model: claude-sonnet-4-6 # 模型(可选,不填使用默认)
system_prompt: "你是摘要助手" # 系统提示词
max_tokens: 2048 # 最大 token
temperature: 0.3 # 温度(可选)
reasoning: medium # 思维链级别(可选)
inputs:
data: "{{fetch_data.result}}"
outputs:
summary: "摘要文本"
```
**config 字段说明**
| 字段 | 必填 | 说明 |
|------|------|------|
| `system_prompt` | 是 | 系统提示词,定义 LLM 的角色和行为 |
| `provider` | 否 | 供应商名称(如 `anthropic``openai`),精确匹配已配置的供应商。不填则由系统自动匹配 |
| `model` | 否 | 指定模型,不填使用默认模型 |
| `max_tokens` | 否 | 最大输出 token 数 |
| `temperature` | 否 | 温度参数0-2控制输出随机性 |
| `reasoning` | 否 | 思维链级别:`low` / `medium` / `high`。开启后模型先推理再回答,适合复杂分析任务 |
| `output_schema` | 否 | JSON Schema 对象。设置后 LLM 将尝试返回符合 Schema 的结构化 JSON |
#### agent 节点配置
agent 节点调用**完整的 Agent**(有状态),适用于需要 Agent 的专业知识、记忆、工具或技能的复杂任务。
```yaml
- id: legal_review
base: agent
display:
name: 法律审核
config:
agent_id: legal-advisor # 必填:目标 Agent ID
task: "审核以下内容:{{summarize.summary}}" # 任务描述
inputs:
content: "{{summarize.summary}}"
outputs:
review: "审核意见"
```
**config 字段说明**
| 字段 | 必填 | 说明 |
|------|------|------|
| `agent_id` | 是 | 目标 Agent 的 ID |
| `task` | 是 | 交给 Agent 的任务描述,支持 `{{nodeId.outputKey}}``{{trigger.key}}``{{secrets.keyName}}` 插值 |
#### human_gate 节点配置
```yaml
- id: approval
base: human_gate
display:
name: 人工审批
config:
prompt: |
请审阅以下内容并决定是否通过:
审阅意见:{{draft_review.review_result}}
风险等级:{{draft_review.risk_level}}
options:
- { label: "批准", value: approve }
- { label: "拒绝", value: reject }
- { label: "修改后通过", value: modify }
inputs:
review_result: "{{draft_review.review_result}}"
risk_level: "{{draft_review.risk_level}}"
outputs:
decision: "审批决定approve/reject/modify"
comment: "审批备注"
```
#### llm vs agent 选择指南
| 场景 | 推荐基座 | 理由 |
|------|---------|------|
| 文本摘要、翻译、格式转换 | `llm` | 单次调用,不需要 Agent 上下文 |
| 数据分析、信息提取 | `llm` | 无状态处理即可完成 |
| 需要专业知识的审核 | `agent` | 需要 Agent 的领域知识和记忆 |
| 需要调用外部工具 | `agent` | 需要 Agent 的工具能力 |
| 多轮推理、复杂决策 | `agent` | 需要 Agent 的完整推理链 |
**简单判断**:如果任务可以用一段 system prompt + 一次输入完成,用 `llm`;如果任务需要 Agent 的记忆、工具或技能,用 `agent`
#### trigger 节点
每个工作流**必须有且仅有一个** trigger 节点,作为工作流入口。`flow.start` 必须指向 trigger 节点。
**规则**
- trigger 节点**无 inputs**
- trigger 节点的 outputs 使用结构化格式(`type` / `description` / `required` / `default`),声明工作流接受的输入参数
- `config.type` 指定触发方式:`manual`(手动触发)或 `webhook`(外部触发)
```yaml
- id: trigger
base: trigger
display:
name: 手动触发
icon: ▶️
config:
type: manual # manual | webhook
outputs:
param_name:
type: string # 参数类型string / number / boolean / object / array
description: "参数描述"
required: true # 是否必填
default: "默认值" # 可选,未传入时的默认值
```
**示例**——带多个参数的 trigger
```yaml
- id: trigger
base: trigger
display:
name: 文档摘要触发
icon: ▶️
config:
type: manual
outputs:
filePath:
type: string
description: "要摘要的文档路径"
required: true
language:
type: string
description: "摘要输出语言"
required: false
default: "zh-CN"
```
下游节点通过 `{{trigger.paramName}}` 引用 trigger 输出的参数值。
#### inputs 格式规范
inputs 使用**对象映射格式**——key 为本节点的变量名value 为数据来源引用:
```yaml
# 引用其他节点的输出
inputs:
varName: "{{nodeId.outputKey}}"
# 引用触发参数
inputs:
query: "{{trigger.userQuery}}"
# 引用用户级 secret
inputs:
api_key: "{{secrets.email_api_key}}"
# 多个输入
inputs:
title: "{{extract.title}}"
body: "{{extract.body}}"
metadata: "{{trigger.metadata}}"
```
**禁止使用数组格式**
```yaml
# 错误!不要用数组
inputs:
- name: varName
source: nodeId.outputKey
```
#### outputs 格式规范
outputs 使用**对象映射格式**——key 为输出变量名value 为描述文本:
```yaml
outputs:
result: "处理后的结果数据"
summary: "结果摘要"
```
#### flow 定义
```yaml
flow:
start: first_node # 起始节点 ID
edges: # 边列表(定义执行顺序)
- { from: first_node, to: second_node }
- { from: second_node, to: third_node }
- from: third_node # 条件分支(可选)
to: branch_a
condition: "risk_level == 'high'"
end: [final_node] # 终止节点列表
```
#### 变量引用体系
DSL 中所有动态值统一使用 `{{}}` 模板语法引用:
| 语法 | 来源 | 示例 |
|------|------|------|
| `{{nodeId.outputKey}}` | 前置节点输出 | `{{summarize.summary}}` |
| `{{trigger.key}}` | 触发时传入的参数 | `{{trigger.filePath}}` |
| `{{secrets.keyName}}` | 用户级 secret | `{{secrets.dingtalk_token}}` |
**适用位置**`inputs` 的值、`config.prompt` 中的插值均使用此语法。
#### Secrets 引用
工作流可通过 `{{secrets.keyName}}` 引用用户预配置的密钥,用于 API 调用等场景。
- Secrets 由用户在 `~/.desirecore/config/secrets.json` 中预配置
- 引擎在运行时自动解析 `{{secrets.*}}`,将其替换为实际值
- Secrets 仅在执行阶段解析,校验和干跑阶段不会暴露实际值
```yaml
# 在 inputs 中引用 secret
inputs:
api_key: "{{secrets.email_api_key}}"
webhook_url: "{{secrets.dingtalk_webhook}}"
# 在 config.prompt 中引用 secret不推荐仅特殊场景
config:
prompt: "使用 token {{secrets.github_token}} 访问仓库"
```
### 阶段 3校验 DSL
使用 `WorkflowValidate` 工具校验 DSL 文件的结构和引用完整性。
**调用方式**
```
工具WorkflowValidate
参数:
path: ~/.desirecore/workflows/<wf_id>/workflow.dsl.yaml
```
**校验内容**
- YAML 语法正确性
- JSON Schema 合规性(必填字段、类型、格式)
- 节点 ID 唯一性
- 边的引用有效性from/to 均指向已存在的节点)
- 起始节点和终止节点存在
- 无环检测DAG 校验)
- inputs 引用的上游节点和输出字段存在
**校验通过** → 进入阶段 4
**校验失败** → 根据错误信息用 Edit 工具修复,重新校验
### 阶段 4干跑测试
使用 `WorkflowTest` 工具进行模拟执行dry-run不实际调用 Agent 或执行代码。
**调用方式**
```
工具WorkflowTest
参数:
path: ~/.desirecore/workflows/<wf_id>/workflow.dsl.yaml
params: # 可选,用于模拟 trigger 参数
filePath: /path/to/input.md
```
**测试内容**
- 验证拓扑排序是否成功
- 模拟数据在节点间的流转路径
- 检查所有 inputs 引用在运行时是否可解析
- 输出执行计划预览(节点执行顺序)
**测试通过** → 向用户确认是否正式执行
**测试失败** → 根据错误信息修复,重新测试
### 阶段 5正式执行
使用 `WorkflowRun` 工具启动工作流。
**调用方式**
```
工具WorkflowRun
参数:
path: ~/.desirecore/workflows/<wf_id>/workflow.dsl.yaml
params: # 可选,作为 {{trigger.key}} 上下文传入
filePath: /path/to/input.md
```
**执行过程**
- 引擎按拓扑顺序逐节点执行
- 实时通过 SSE 推送节点状态变更事件
- 遇到 human_gate 节点时暂停,等待用户审批
- 所有终止节点完成后,返回最终结果
**执行完成后**
- 向用户展示执行结果摘要
- 如有失败节点,说明失败原因和建议修复方式
### 注意事项
1. **workflow_id 命名**:必须以 `wf_` 前缀开头,使用 snake_case`wf_contract_review`
2. **严格分步构建**:步骤 2a 只写节点拓扑骨架(不含 config/code确认后步骤 2b 按拓扑顺序逐节点填充配置,禁止一次性写完所有细节
3. **输入输出格式**inputs 和 outputs 必须使用对象映射格式(`{ key: value }`),不要用数组
4. **变量插值**inputs、llm/agent/human_gate 的 prompt / system_prompt / task 支持 `{{nodeId.outputKey}}``{{trigger.key}}``{{secrets.keyName}}`
5. **校验先行**:正式执行前务必先校验再干跑测试,减少运行时错误
6. **人工门控**:涉及重要决策(如发布、付款、删除)的步骤,建议使用 human_gate 节点
### 错误处理
| 错误场景 | 处理方式 |
|---------|---------|
| YAML 语法错误 | 检查缩进和格式,用 Edit 工具修正 |
| 校验失败 | 根据 WorkflowValidate 的错误详情逐项修复 |
| 节点引用不存在 | 检查 inputs 中引用的 nodeId.outputKey 是否拼写正确 |
| 干跑测试失败 | 检查拓扑排序和数据流转路径 |
| 执行超时 | 检查是否有 agent 节点 prompt 过于复杂 |
| human_gate 被拒绝 | 工作流中止,向用户说明中止原因和已完成的步骤 |
### 背景知识
> AgentFS 仓库结构、排查要点与受保护路径详见 `_agentfs-background.md` 和 `_protected-paths.yaml`。
### 依赖
- `WorkflowValidate` 内置工具 — 校验 DSL 结构
- `WorkflowTest` 内置工具 — 干跑测试
- `WorkflowCreate` 内置工具 — 校验并写入全局工作流目录
- `WorkflowRun` 内置工具 — 正式执行工作流
- Write / Edit / Read 工具 — 创建和编辑 DSL 文件
- Agent Service Workflow 引擎(`lib/workflow-service/`

View File

@@ -0,0 +1,115 @@
# Workflow DSL 模板
# 版本1.0
# 说明:这是一个五基座示例工作流,展示 trigger / code / llm / agent / human_gate
# 五种基座节点的完整 DSL 结构。Agent 可参考此模板构建工作流。
#
# 使用方式:
# 1. 复制此模板到 ~/.desirecore/workflows/<wf_id>/workflow.dsl.yaml
# 2. 修改 id、name、nodes、flow 等字段
# 3. 用 WorkflowValidate 工具校验
# 4. 用 WorkflowTest 工具干跑测试
# 5. 用 WorkflowRun 工具正式执行
version: "1.0"
id: wf_example_doc_review
name: 文档摘要与审核工作流
description: 读取文档 → LLM 生成摘要 → Agent 法律审核 → 人工审批
creator: desirecore # 创建此工作流的 Agent ID
nodes:
# 节点 0trigger —— 工作流入口,声明输入参数
- id: trigger
base: trigger
display:
name: 手动触发
icon: ▶️
config:
type: manual
outputs:
filePath:
type: string
description: "要摘要的文档路径"
required: true
# 节点 1code —— 读取文档内容
- id: prepare
base: code
display:
name: 准备文档
config:
runtime: nodejs
timeout_ms: 10000
code: |
const fs = await import('fs/promises')
const content = await fs.readFile(inputs.file_path, 'utf-8')
return { content }
inputs:
file_path: "{{trigger.filePath}}"
outputs:
content: "读取到的文档原始内容"
# 节点 2llm —— 单次 LLM 调用生成摘要(无状态)
- id: summarize
base: llm
display:
name: AI 摘要
config:
system_prompt: |
你是文档摘要助手。请为文档生成结构化摘要,包含:
1. 核心要点3-5 条)
2. 关键数据/结论
3. 待办事项(如有)
max_tokens: 2048
temperature: 0.3
inputs:
data: "{{prepare.content}}"
outputs:
summary: "结构化摘要文本"
# 节点 3agent —— 调用完整 Agent 进行法律审核(有状态)
- id: legal_review
base: agent
display:
name: 法律审核
config:
agent_id: legal-advisor
task: |
请审核以下文档摘要,重点关注合规性和风险点:
{{summarize.summary}}
inputs:
content: "{{summarize.summary}}"
outputs:
review: "审核意见"
risk_level: "风险等级评估"
# 节点 4human_gate —— 人工审批
- id: approval
base: human_gate
display:
name: 人工审批
config:
prompt: |
请审阅以下内容并决定是否通过:
摘要:{{summarize.summary}}
审核意见:{{legal_review.review}}
风险等级:{{legal_review.risk_level}}
options:
- { label: "批准", value: approve }
- { label: "拒绝", value: reject }
- { label: "修改后通过", value: modify }
inputs:
summary: "{{summarize.summary}}"
review: "{{legal_review.review}}"
risk_level: "{{legal_review.risk_level}}"
outputs:
decision: "审批决定approve/reject/modify"
comment: "审批备注"
flow:
start: trigger
edges:
- { from: trigger, to: prepare }
- { from: prepare, to: summarize }
- { from: summarize, to: legal_review }
- { from: legal_review, to: approval }
end: [approval]