小龙虾分层任务工作流

分层任务分解与执行工作流

---

slug: xiaolongxia-workflow version: 0.5.0

版本: 0.5.0 (Release Candidate) 作者: OpenClaw 助手 创建时间: 2026-03-17 状态: 开发中 - 最小可行版本

🎯 概述

小龙虾分层任务工作流是一个系统化、工程化的任务处理框架，专为复杂AI代理设计。它将大型任务分解为阶段、步骤、子步骤，直到每个子步骤对模型来说是可执行的，同时提供完整的错误处理、输入输出控制和备份机制。

🚀 快速开始

安装

bash

# 从工作空间直接使用（开发中）
cd /root/.openclaw/workspace/skills/xiaolongxia-workflow

基本使用

python

from scripts.task_analyzer import TaskAnalyzer
from scripts.project_manager import ProjectManager

# 1. 分析任务
analyzer = TaskAnalyzer()
summary = analyzer.analyze("帮我设计一个完整的电商网站后端系统")

# 2. 创建项目
manager = ProjectManager(summary)
project_path = manager.create_project()

print(f"项目创建在: {project_path}")

📁 目录结构

text

skills/xiaolongxia-workflow/
├── SKILL.md                    # 本文件
├── config/
│   └── workflow_config.json    # 配置文件
├── scripts/
│   ├── task_analyzer.py        # 任务分析器
│   ├── project_manager.py      # 项目管理器
│   ├── step_decomposer.py      # 步骤分解器
│   ├── step_executor.py        # 步骤执行器
│   ├── robust_executor.py      # 鲁棒执行器 (错误恢复)
│   ├── error_classifier.py     # 错误分类器
│   ├── template_engine.py      # 模板引擎
│   ├── run_workflow.py         # 工作流运行器
│   └── demo_integrated.py      # 集成演示
├── templates/
│   ├── task_summary.md.tpl     # 任务概要模板
│   ├── top_level_plan.md.tpl   # 顶层方案模板
│   └── step_report.md.tpl      # 步骤报告模板
├── tests/
│   ├── test_basic.py           # 基础测试
│   └── (更多测试待添加)
└── references/
    └── workflow_diagram.png    # 工作流程图 (待创建)

🔧 当前版本功能 (Beta 0.3.0)

✅ 已实现

1. 任务分析器 (task_analyzer.py)

   • 解析用户输入的任务描述
   • 生成结构化任务概要
   • 评估任务复杂度 (1-10分)
   • 自动判断是否需要分层处理

2. 项目管理器 (project_manager.py)

   • 创建标准项目文件夹结构
   • 生成任务概要文档 (task_summary.md)
   • 生成顶层方案 (top_level_plan.md)
   • 提供完整的项目信息接口

3. 步骤分解器 (step_decomposer.py)

   • 递归分解任务为阶段、步骤、子步骤
   • 支持复杂依赖关系管理
   • 生成可执行的叶子步骤
   • 保存分解结果为JSON

4. 步骤执行器 (step_executor.py)

   • 执行单个步骤和批量步骤
   • 模拟执行和实际执行模式
   • 执行结果记录和状态更新
   • 生成执行报告

5. 错误分类器 (error_classifier.py)

   • 识别常见API错误 (400, 429, 500, 504等)
   • 提供恢复策略 (重试、拆分、降级等)
   • 错误统计和学习功能
   • 策略成功率评估

6. 模板引擎 (template_engine.py)

   • 加载和渲染模板文件
   • 支持变量替换、条件判断、循环
   • 内置任务摘要、步骤计划、报告模板
   • 扩展自定义模板

7. 鲁棒执行器 (robust_executor.py)

   • 集成错误分类和恢复策略
   • 自动错误检测和恢复
   • 智能重试机制
   • 执行监控和增强报告

8. 工作流运行器 (run_workflow.py)

   • 完整的端到端工作流集成
   • 支持交互模式、测试模式、执行模式
   • 命令行界面和API调用

🚧 开发中

1. 邮件汇报系统 - 自动发送进度报告
2. 自动备份机制 - 项目状态持久化
3. 可视化进度跟踪 - 实时执行监控
4. ClawHub集成 - 技能发布和版本管理

📅 待实现

• 邮件汇报系统
• 自动备份机制
• 依赖关系管理
• 可视化进度跟踪

⚙️ 配置

配置文件: config/workflow_config.json

json

{
  "version": "0.1.0",
  "project_base_dir": "/root/.openclaw/workspace/projects",
  "max_decomposition_depth": 4,
  "default_model": "deepseek-reasoner",
  "max_input_tokens": 1000000,
  "max_output_tokens": 8000,
  "retry_policy": {
    "max_retries": 3,
    "backoff_factor": 2,
    "initial_delay": 1
  }
}

📋 工作流程

1. 任务接收与分析

python

from scripts.task_analyzer import TaskAnalyzer

task = "帮我设计一个完整的电商网站后端系统"
analyzer = TaskAnalyzer()
summary = analyzer.analyze(task)

# 输出: task_summary.md
print(summary.to_markdown())

2. 项目创建

python

from scripts.project_manager import ProjectManager

manager = ProjectManager(summary)
project_path = manager.create_project()

3. 生成文件夹结构

text

project_20260317_1320/
├── task_summary.md
├── top_level_plan.md
├── steps/
│   └── (后续生成)
└── backup/

🧪 测试

运行基础测试:

bash

cd /root/.openclaw/workspace/skills/xiaolongxia-workflow
python3 -m pytest tests/test_basic.py -v

🔌 集成OpenClaw

自动触发规则 (待实现)

在AGENTS.md中添加:

markdown

### 小龙虾工作流自动触发

当任务满足以下条件时自动启用:
- 包含复杂关键词（"系统设计"、"架构迁移"等）
- 估计执行时间 > 2小时
- 用户明确要求

作为技能调用

bash

# 使用clawhub安装后
openclaw skill use xiaolongxia-workflow --task "你的大型任务描述"

🐛 已知问题 (MVP)

1. 步骤分解逻辑尚不完整
2. 错误处理仅为占位实现
3. 邮件汇报功能缺失
4. 备份机制待实现

📈 开发路线图

v0.1.0 (当前) - 基础骨架

• 任务分析器
• 项目模板生成
• 基础文档生成

v0.2.0 - 核心分解

• 步骤分解器
• 简单执行器
• 基础错误处理

v0.3.0 - 执行引擎

• API调用封装
• 重试策略
• 输出验证

v0.4.0 - 生产就绪

• 邮件汇报
• 自动备份
• 进度持久化

v1.0.0 - 完整技能

• 完整测试套件
• ClawHub发布
• 文档完善

🤝 贡献指南

1. Fork本技能仓库
2. 创建功能分支 (git checkout -b feature/amazing-feature)
3. 提交更改 (git commit -m 'Add amazing feature')
4. 推送到分支 (git push origin feature/amazing-feature)
5. 创建Pull Request

📄 许可证

MIT License

📞 支持

如有问题，请:

1. 查看references/目录中的文档
2. 运行测试检查功能
3. 在OpenClaw社区提问

---

注意: 这是最小可行版本，功能有限。建议仅在测试环境中使用。