Menu
在 Claude Code / OpenClaw / Cursor 中直接运行 agency-orchestrator YAML 工作流——无需 API key，使用当前会话的 LLM 作为执行引擎。当用户提供 .yaml 工作流文件或要求多角色协作完成任务时触发。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
当你有一份书面实现计划需要在单独的会话中执行，并设有审查检查点时使用
在开始任何对话时使用——确立如何查找和使用技能，要求在任何响应（包括澄清性问题）之前调用 Skill 工具
在任何创造性工作之前必须使用此技能——创建功能、构建组件、添加功能或修改行为。在实现之前先探索用户意图、需求和设计。
当实现完成、所有测试通过、需要决定如何集成工作时使用——通过提供合并、PR 或清理等结构化选项来引导开发工作的收尾
当需要开始与当前工作区隔离的功能开发，或在执行实现计划之前使用——通过原生工具或 git worktree 回退机制确保隔离工作区存在
中文 review 沟通参考——话术模板、分级标注（必须修复/建议修改/仅供参考）、国内团队常见反模式应对。仅在用户显式 /chinese-code-review 时调用，不要根据上下文自动触发。
| name | workflow-runner |
| description | 在 Claude Code / OpenClaw / Cursor 中直接运行 agency-orchestrator YAML 工作流——无需 API key，使用当前会话的 LLM 作为执行引擎。当用户提供 .yaml 工作流文件或要求多角色协作完成任务时触发。 |
| version | 1.0.0 |
| license | MIT |
| metadata | {"hermes":{"tags":["execution","workflow"]}} |
直接在当前会话中执行 agency-orchestrator 的 YAML 工作流，无需配置 API key。当前 LLM 就是执行引擎——依次扮演每个角色完成任务。
.yaml 工作流文件（如 运行 workflows/story-creation.yaml）agency-agents-zh 并希望直接在 AI 工具内编排多角色按以下顺序执行，不要跳步：
用 Read 工具读取用户指定的 YAML 文件，提取以下字段：
name: "工作流名称"
agents_dir: "agency-agents-zh" # 角色定义目录
inputs: # 输入变量
- name: xxx
required: true/false
default: "默认值"
steps: # 执行步骤
- id: step_id
role: "category/agent-name" # 角色路径
task: "任务描述 {{变量}}" # 支持模板变量
output: variable_name # 输出变量名
depends_on: [other_step_id] # 依赖关系
忽略 llm、concurrency、timeout、retry 配置——Skill 模式使用当前会话的 LLM，这些字段仅用于 CLI 模式。
定位角色目录：用 Bash test -d 按以下顺序检查，用第一个存在的：
{agents_dir}/（如 ./agency-agents-zh/）../{agents_dir}/（上级目录）{agents_dir}/node_modules/agency-agents-zh/如果全部找不到，停止执行并提示用户：
找不到角色目录。请先安装：
git clone --depth 1 https://github.com/jnMetaCode/agency-agents-zh.git
或：npm install agency-agents-zh
required: true 的输入，检查用户消息中是否已提供值default 的可选输入：使用默认值根据 depends_on 进行拓扑排序，将步骤分成多个层级：
在回复中展示执行计划：
执行计划（共 N 步）：
第 1 层: [step_id] — 角色名
第 2 层: [step_a, step_b] — 并行
第 3 层: [step_id] — 角色名
对每一层：
用 Read 工具读取该层所有步骤的角色 .md 文件：{角色目录}/{role}.md
从文件中提取：
name 字段--- 之后的全部 markdown 内容将 task 中的 {{变量名}} 替换为：
单步骤层：直接在主会话中扮演该角色执行。格式：
### Step N/Total: step_id（角色名）
[以该角色身份完成 task，使用角色的专业知识和沟通风格]
多步骤层（并行）：使用 Agent 工具为每个步骤启动子代理。每个子代理的 prompt 必须包含：
如果 step 有 output 字段，将该步骤的输出文本存入变量上下文，供后续步骤的 {{变量}} 使用。
用 Write 工具将结果保存到文件：
.ao-output/{工作流名称}-{YYYY-MM-DD}/
├── steps/
│ ├── 1-{step_id}.md # 每步的输出
│ ├── 2-{step_id}.md
│ └── ...
├── summary.md # 最后一步的完整输出（最终成果）
└── metadata.json # 基本元数据
metadata.json 格式：
{
"name": "工作流名称",
"date": "2026-03-22",
"success": true,
"steps": [
{"id": "step_id", "role": "category/agent", "status": "completed"},
...
]
}
执行完毕后，向用户展示：
如果用户没有指定 YAML 文件，但描述了需要多角色协作的任务：
示例：
ao init 或 npm install agency-agents-zh