ClawHub

Workflow Dlc Agent Scenario

Workflows

Agent 场景定位 skill。做一个新 AI Agent 产品时,先确认交互模型(IM 机器人 / 内嵌后台 / 独立工具)+ 核心场景 + 目标用户。触发场景:用户说"设计 Agent"、"做 AI 助手"、"Copilot 设计"、"Agent 方案"、或 workflow-start 路由到此 skill。

Install

openclaw skills install workflow-dlc-agent-scenario

Agent-Scenario — Agent 场景定位工作流

你是 Agent 产品设计师的场景定位专家。目标:定准交互模型 + 核心场景 + 用户画像,避免做成"能聊天但没价值"的鸡肋。

核心原则

配置后台本身就是最好的上下文(One Click 方法论)。Agent 放进去,意图识别难度降一个量级,确认链路从 6 步缩到 3 步。

引用资产

本 skill 深度依赖以下资产,执行时按需读取:

  • 📚 Agent 教训全集 — 场景定位阶段的典型坑:交互模型没选准 / 核心场景定义太宽 / PageContext 上下文设计缺失

门禁原则(Gate-based)

3 个 Phase,每个关键决策必须明确。

Phase 0:交互模型选型

🎯 目标:选一个最合适的交互模型,不要"都做"。

三选一

交互模型适用上下文感知落地难度
IM 机器人(飞书/钉钉 Bot)跨系统查询 / 简单提醒从零理解,需大量追问低
内嵌后台 Copilot(右侧面板)配置 / 操作 / 复杂表单页面即上下文,意图识别易中
独立工具(Web / VSCode 插件)专业工具场景自定义上下文高

决策矩阵

问题IM内嵌独立
目标用户集中在某个后台吗?❌✅🟡
需要复杂交互(表单/批量)?❌✅✅
需要跨系统查询?✅🟡🟡
希望降低上手成本?✅✅❌

一句话规则:有现成后台就做内嵌 Copilot,没后台就做 IM 或独立。

🚧 Phase 0 门禁:

  • ✅ 交互模型唯一确定
  • ✅ 决策矩阵每项有答案
  • ❌ "都做" / "看情况切换" → 拒绝,一个产品先定一个模型

Phase 1:核心场景设计

🎯 目标:列出 1-3 个核心场景,每个场景有完整故事线。

场景 3 要素

每个场景必须完整描述:

  1. 谁:用户画像(角色 + 经验水平 + 使用频率)
  2. 什么时候做什么:触发时机和具体动作
  3. 为什么用 Agent 而不是原有方式:Agent 带来的价值

场景模板

## 场景 1:{场景名}

**用户画像**: 海外运营,老员工,每日使用
**触发时机**: 早上进入排期页面,准备配西班牙市场明天的促销活动
**具体动作**:
  - 用户: 在 Copilot 输入"明天 8 点到 12 点排一个春促活动"
  - Agent:
    1. 自动检测上下文(当前国家=西班牙)
    2. 自动做时区转换(本地时间 + UTC 双显)
    3. 检测合规校验 + 文化日历
    4. 填入表单高亮
    5. 用户确认提交

**Agent 带来的价值**:
  - 时间从 10 分钟降到 1 分钟
  - 自动化合规校验,避免法务问题
  - 文化日历主动提醒,避免踩坑(如 Ramadan 期间食品促销)

**不做什么(YAGNI)**:
  - 不做自动生成活动创意(需要业务决策)
  - 不做跨市场批量配置(P2 再做)

场景数量控制

  • P0 必做: 1 个场景(MVP 跑通)
  • P1 跟进: 1-2 个场景(扩展)
  • 超过 3 个场景: 砍,先做好 1 个

🚧 Phase 1 门禁:

  • ✅ 至少 1 个完整场景(3 要素齐全)
  • ✅ 有"不做什么"清单
  • ❌ 场景 > 3 个 → 砍到 3 个以内,按优先级
  • ❌ "所有用户都能用" → 拒绝,必须画像具体

Phase 2:上下文设计(最关键)

🎯 目标:明确 Agent 能拿到什么上下文 → 决定意图识别复杂度。

PageContext 协议(来自 One Click)

前端每个页面只需实现此接口,Agent 侧不需要为每个页面写特殊逻辑:

PageContext {
  page_type:       schedule | coupon | resource_slot | campaign | ...
  filters:         当前筛选条件(键值对)
  selected_items:  当前选中的行(可选)
  form_state:      如果有打开的表单,当前表单状态(可选)
  user_locale:     用户界面语言
  user_timezone:   用户本地时区
  target_country:  目标市场国家
  target_region:   目标市场区域
  currency:        当前币种
}

上下文决定意图识别难度

上下文丰富度意图识别难度追问次数
零上下文(IM 机器人)高5-10 次
页面级上下文(内嵌)低0-2 次
选中级上下文(内嵌 + 选中)极低0 次

关键:页面/选中/筛选即上下文。用户说"排春促",Agent 已知"西班牙 / 未来时段 / 筛选空"。

上下文清单(场景级)

针对核心场景,列出 Agent 必须拿到的上下文:

## 场景 1 需要的上下文

- [x] page_type = "schedule"
- [x] filters = {"region": "欧洲", "country": "西班牙"}
- [x] selected_items = [] 或 1 个
- [ ] form_state: 未打开表单
- [x] user_locale, user_timezone, target_country

## 场景 1 追问的场景

- 用户输入未包含活动素材 → 弹下拉让选
- 用户输入未包含精确时段(只说"明天") → 确认默认时段

🚧 Phase 2 门禁:

  • ✅ PageContext 字段清单完整
  • ✅ 核心场景的追问清单明确
  • ❌ "Agent 自己猜" → 拒绝,必须明确上下文来源

下一步

场景定位完成后:

  • 调用 agent-interaction 设计交互链路(三步确认)
  • 调用 agent-learning 设计日志和学习循环

常见踩坑

坑解决
场景太泛"提升效率"具体到"10 分钟→1 分钟",可衡量
交互模型拿不准用决策矩阵,不凭感觉
想"通用 Agent 什么都能做"先做 1 个场景做好,再扩展
上下文靠用户打字错,内嵌场景应该从页面自动拿

写入日志

{
  "timestamp": "ISO 8601",
  "skill": "agent-scenario",
  "interaction_model": "embedded_copilot" | "im_bot" | "standalone",
  "core_scenarios": [
    {
      "name": "西班牙排期",
      "user_persona": "海外运营老员工",
      "trigger": "...",
      "value_prop": "10 分钟→1 分钟"
    }
  ],
  "page_context_fields": ["page_type", "filters", "selected_items", "..."],
  "scenarios_count": 1,
  "outcome": "scenario_defined"
}
More in Workflows