小龙虾分层任务工作流

分层任务分解与执行工作流

Security Scan

总体上这个技能的实现与其“分层任务工作流”描述相符，但包含可选的备份（含 git 操作）和邮件发送功能，若启用/配置不当可能会把项目文件传到外部端点或发送包含敏感信息的邮件——在没有明确说明和默认禁用之外存在风险，建议在测试环境审查配置和代码后再启用。

Purpose & Capability

技能名和描述与代码库大部分功能一致：任务分析、分解、执行、模板与报告、错误处理等。邮件汇报和自动备份被标注为“开发中/待实现”，但实现代码已包含在仓库中（email_sender/email_reporter/backup_manager），这在目的声明中是合理但应明确为可选/默认禁用功能。

Instruction Scope

SKILL.md 的运行指令仅指导从技能目录运行 Python 脚本并使用库提供的类，未指导读取与技能无关的系统文件或环境变量。库会对项目目录（默认 /root/.openclaw/workspace/projects）进行创建/读写、生成报告和归档——这与工作流目的相符，但会触及用户工作区文件（预期行为）。

Install Mechanism

这是一个 instruction+scripts 类型的技能，没有 install spec，未下载或执行远程二进制，代码均随技能包提供——这降低了安装时的直接风险。不过某些脚本在运行时会调用本地 git 与 SMTP（通过 subprocess/smtplib），这些外部依赖并未在元数据中明确为必需。

Credentials

技能声明不需要环境变量或凭据，但代码包含可选的邮件（SMTP username/password）和备份到 Git 仓库逻辑。默认配置将这两项禁用/空白，但如果用户在配置中填入 SMTP 凭据或 git_repository，就会允许网络外发操作（push 到远程仓库或发送邮件）。因为这些功能能将项目文件或报告发送到外部端点，启用前应谨慎审查配置与目标端点。

Persistence & Privilege

技能未请求“always: true”，不会自动强制载入全局上下文。代码会在项目目录创建文件、生成备份与日志，这是技能所需的正常行为。没有迹象表明技能会修改其他技能配置或系统范围设置。

What to consider before installing

该技能整体上与其描述一致，但包含对磁盘与网络的可选访问点： - 在默认配置下，邮件发送与远程 git 备份功能是禁用/空的；若你启用它们（在 config/workflow_config.json 或通过传入 config_path），技能可能会把项目文件复制/压缩并推送到配置的 git 仓库，或向配置的 SMTP 服务器发送包含项目信息的邮件。只有在你信任目标仓库/邮件收件人并确认不会泄露敏感数据时才启用这些功能。 - 建议先在隔离的测试环境或容器中运行技能，检查生成的文件和日志位置（默认位于 /root/.openclaw/...），并确认 backup.git_repository 与 email.smtp_server/username 不被设置为不受信任的远端。 - 如果你 lack 安全经验：不要在生产环境或包含敏感数据的工作区启用备份或邮件功能；审阅 scripts/backup_manager.py 和 scripts/email_sender.py 的实现（尤其是 _git_backup、subprocess 调用和 send_email 路径），确认不会自动推送或发送未经授权的数据。 - 最佳实践：保持邮件/备份功能的 simulate/disabled 状态，手动审查并逐项启用；或在启用前替换为只写本地目录的安全后端（例如私有、安全的存储），并限制技能访问的项目目录范围。

---

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

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

基本使用

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

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

{
  "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

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

from scripts.project_manager import ProjectManager

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

3. 生成文件夹结构

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

🧪 测试

运行基础测试:

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:

### 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

# 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。