harness-build-deterministic-workflow

name	harness-build-deterministic-workflow
description	构建确定性工作流，将任务拆解为确定性节点和Agentic节点，实现可预测的执行路径
trigger_words	["harness-build-deterministic-workflow","构建工作流","deterministic-workflow","workflow"]
priority	HIGH
dependencies	["harness-build-context-index"]
version	v3.0.0

harness-build-deterministic-workflow 构建确定性工作流技能

核心能力

1. 检查前置条件（harness-build-context-index）
2. 创建 WORKFLOW_TEMPLATES.md
3. 定义确定性节点（无需LLM）
4. 定义Agentic节点（需要LLM）
5. 定义工作流组合模板

前置条件

• harness-build-context-index 已完成
• CONTEXT_INDEX.md 存在

执行步骤

Step 1: 检查前置条件

使用 Read 工具读取：.EnjoyHarness/SKILL_REGISTRY.md

检查条件：

• harness-build-context-index 已标记为完成

如果未完成：

❌ 错误: 上下文索引未构建
💡 请先运行: harness-build-context-index

Step 2: 创建工作流模板文件

使用 Write 工具创建文件：.EnjoyHarness/WORKFLOW_TEMPLATES.md

内容：

---
version: v3.0.0
created_at: 2026-03-28T11:00:00+08:00
total_workflows: 5
---

# EnjoyHarness 工作流模板库

## 确定性节点 vs Agentic 节点

### 确定性节点（Deterministic Nodes）
**特征**: 无需LLM决策，规则明确，结果可预测
**优势**:
- 执行速度快（毫秒级）
- Token消耗低（仅验证）
- 结果可复现
- 易于测试

**示例**:
- 文件格式校验（JSON/YAML/Markdown）
- 代码风格检查（lint）
- 测试运行（unit/integration）
- 构建编译（compile）
- Git 操作（commit/push）

### Agentic 节点（Agentic Nodes）
**特征**: 需要LLM决策，涉及理解、创造、推理
**特点**:
- 执行速度慢（秒级）
- Token消耗高
- 结果不确定
- 需要验证

**示例**:
- 需求理解（用户意图分析）
- 架构设计（技术选型）
- 代码实现（功能开发）
- 错误诊断（根因分析）
- 文档编写（说明文档）

## 工作流模板

### 模板 1: 功能开发工作流

```mermaid
graph TD
    A[需求输入] --> B[确定性: 格式校验]
    B --> C[Agentic: 需求理解]
    C --> D[Agentic: 架构设计]
    D --> E[确定性: 设计校验]
    E --> F[Agentic: 功能实现]
    F --> G[确定性: 代码检查]
    G --> H[Agentic: 测试编写]
    H --> I[确定性: 测试运行]
    I --> J[确定性: 结果归档]

节点详情:

节点	类型	执行方式	Token消耗	失败处理
A: 需求输入	输入	用户输入	0	终止
B: 格式校验	确定性	JSON Schema校验	~100	返回B，提示修正
C: 需求理解	Agentic	LLM分析	~2000	返回A，补充信息
D: 架构设计	Agentic	LLM推理	~3000	返回C，简化需求
E: 设计校验	确定性	架构护栏检查	~200	返回D，重新设计
F: 功能实现	Agentic	LLM编码	~5000	返回F，重试1次
G: 代码检查	确定性	Lint + 架构检查	~500	返回F，修复问题
H: 测试编写	Agentic	LLM生成测试	~3000	返回H，补充用例
I: 测试运行	确定性	测试框架执行	~1000	返回F，修复失败
J: 结果归档	确定性	文件写入	~200	终止，触发自动失败处理；真实阻塞再升级

Token 预算: ~14,800 tokens 预计时长: 10-15分钟

模板 2: Bug修复工作流

graph TD
    A[Bug报告输入] --> B[确定性: 信息提取]
    B --> C[Agentic: 根因分析]
    C --> D[Agentic: 修复方案]
    D --> E[确定性: 方案校验]
    E --> F[Agentic: 修复实现]
    F --> G[确定性: 回归测试]
    G --> H[确定性: 修复验证]

节点详情:

节点	类型	执行方式	Token消耗	失败处理
A: Bug报告输入	输入	用户提交	0	终止
B: 信息提取	确定性	正则提取	~100	返回A，补充信息
C: 根因分析	Agentic	LLM推理	~4000	返回A，补充日志
D: 修复方案	Agentic	LLM推理	~2000	返回C，重新分析
E: 方案校验	确定性	架构检查	~200	返回D，调整方案
F: 修复实现	Agentic	LLM编码	~3000	返回F，重试1次
G: 回归测试	确定性	测试框架	~1000	返回F，修复问题
H: 修复验证	确定性	手动验证	~500	返回F，重新修复

Token 预算: ~10,800 tokens 预计时长: 8-12分钟

模板 3: 重构优化工作流

graph TD
    A[优化目标输入] --> B[Agentic: 影响范围分析]
    B --> C[确定性: 依赖检查]
    C --> D[Agentic: 重构方案]
    D --> E[确定性: 风险评估]
    E --> F[Agentic: 重构实现]
    F --> G[确定性: 性能测试]
    G --> H[确定性: 回归测试]

节点详情:

节点	类型	执行方式	Token消耗	失败处理
A: 优化目标输入	输入	用户输入	0	终止
B: 影响范围分析	Agentic	LLM分析	~3000	返回A，明确范围
C: 依赖检查	确定性	AST分析	~500	返回A，调整范围
D: 重构方案	Agentic	LLM推理	~4000	返回B，重新分析
E: 风险评估	确定性	规则检查	~300	返回D，降低风险
F: 重构实现	Agentic	LLM编码	~5000	返回F，重试1次
G: 性能测试	确定性	Benchmark	~1000	返回F，优化性能
H: 回归测试	确定性	测试框架	~1000	返回F，修复问题

Token 预算: ~14,800 tokens 预计时长: 15-20分钟

模板 4: 文档编写工作流

graph TD
    A[文档需求输入] --> B[确定性: 模板选择]
    B --> C[Agentic: 内容生成]
    C --> D[确定性: 格式校验]
    D --> E[Agentic: 内容优化]
    E --> F[确定性: 文档归档]

节点详情:

节点	类型	执行方式	Token消耗	失败处理
A: 文档需求输入	输入	用户输入	0	终止
B: 模板选择	确定性	规则匹配	~100	默认模板
C: 内容生成	Agentic	LLM生成	~3000	返回A，补充信息
D: 格式校验	确定性	Markdown检查	~200	返回C，修正格式
E: 内容优化	Agentic	LLM优化	~2000	返回C，重新生成
F: 文档归档	确定性	文件写入	~100	终止，触发自动失败处理；真实阻塞再升级

Token 预算: ~5,400 tokens 预计时长: 5-8分钟

模板 5: 配置更新工作流

graph TD
    A[配置变更输入] --> B[确定性: 格式校验]
    B --> C[确定性: 依赖检查]
    C --> D[确定性: 变更应用]
    D --> E[确定性: 配置验证]
    E --> F[确定性: 服务重启]
    F --> G[确定性: 健康检查]

节点详情:

节点	类型	执行方式	Token消耗	失败处理
A: 配置变更输入	输入	用户输入	0	终止
B: 格式校验	确定性	Schema校验	~100	返回A，修正格式
C: 依赖检查	确定性	配置解析	~200	返回A，调整配置
D: 变更应用	确定性	文件写入	~100	终止，触发自动失败处理；真实阻塞再升级
E: 配置验证	确定性	配置测试	~300	回滚D
F: 服务重启	确定性	系统命令	~200	回滚D
G: 健康检查	确定性	HTTP检查	~100	回滚D，触发自动失败处理；真实阻塞再升级

Token 预算: ~1,000 tokens 预计时长: 2-3分钟

工作流选择策略

自动选择（基于任务类型）

任务类型识别:
  包含关键词:
    - "实现" / "开发" / "添加" → 功能开发工作流
    - "修复" / "解决" / "Bug" → Bug修复工作流
    - "重构" / "优化" / "改进" → 重构优化工作流
    - "文档" / "说明" / "README" → 文档编写工作流
    - "配置" / "更新" / "修改" → 配置更新工作流

手动指定（用户显式指定）

用户指定:
  示例: "使用 Bug修复工作流 修复登录失败问题"
  动作: 直接应用模板 2

确定性节点优化

优化原理

• 确定性节点无需LLM，执行速度快
• 将更多节点设计为确定性节点可降低Token消耗
• 确定性节点结果可缓存，提高复用率

优化策略

策略 1: 模板化

将重复性工作模板化：

• 代码生成模板（CRUD操作）
• 测试用例模板（单元测试）
• 文档模板（API文档）

策略 2: 规则化

将决策逻辑规则化：

• 架构检查规则（ARCHITECTURE_GUARDRAILS.md）
• 代码风格规则（lint配置）
• 测试规则（覆盖率阈值）

策略 3: 工具化

使用专用工具替代LLM：

• 格式校验：JSON Schema Validator
• 代码检查：ESLint / golangci-lint
• 测试运行：pytest / go test

工作流执行监控

监控指标

1. 节点执行时间: 每个节点的耗时
2. Token消耗: Agentic节点的Token使用
3. 失败率: 每个节点的失败概率
4. 重试次数: 节点的重试统计

监控方式

每个节点执行后:
  - 记录到 .EnjoyHarness/EVENT_LOG.md
  - 更新 .EnjoyHarness/GLOBAL_STATE.md
  - 增加迭代计数 ITERATION_COUNTER.md

使用示例

示例 1: 功能开发任务

任务: 实现用户登录功能
识别: 功能开发工作流
节点执行:
  1. 格式校验 ✅ (100 tokens)
  2. 需求理解 ✅ (2000 tokens)
  3. 架构设计 ✅ (3000 tokens)
  4. 设计校验 ✅ (200 tokens)
  5. 功能实现 ✅ (5000 tokens)
  6. 代码检查 ✅ (500 tokens)
  7. 测试编写 ✅ (3000 tokens)
  8. 测试运行 ✅ (1000 tokens)
  9. 结果归档 ✅ (200 tokens)

总Token: 14,000 tokens
总时长: 12分钟

示例 2: Bug修复任务

任务: 修复登录失败Bug
识别: Bug修复工作流
节点执行:
  1. 信息提取 ✅ (100 tokens)
  2. 根因分析 ✅ (4000 tokens)
  3. 修复方案 ✅ (2000 tokens)
  4. 方案校验 ✅ (200 tokens)
  5. 修复实现 ✅ (3000 tokens)
  6. 回归测试 ✅ (1000 tokens)
  7. 修复验证 ✅ (500 tokens)

总Token: 10,800 tokens
总时长: 10分钟

### Step 3: 更新事件日志

使用 Edit 工具追加内容到：`.EnjoyHarness/EVENT_LOG.md`

追加内容：

```markdown
2026-03-28T11:00:00+08:00 | SKILL_START | harness-build-deterministic-workflow | 开始构建工作流模板 | SUCCESS
2026-03-28T11:00:00+08:00 | SKILL_COMPLETE | harness-build-deterministic-workflow | 工作流模板构建完成 | SUCCESS

Step 4: 更新事件计数

使用 Edit 工具更新：.EnjoyHarness/EVENT_LOG.md

old_string: total_events: 8 new_string: total_events: 10

Step 5: 更新技能注册表

使用 Edit 工具更新：.EnjoyHarness/SKILL_REGISTRY.md

old_string: - [ ] harness-build-deterministic-workflow - 构建工作流技能 new_string: - [x] harness-build-deterministic-workflow - 构建工作流技能 ✅

Step 6: 输出完成信息

使用 Bash 工具输出：

echo ""
echo "✅ harness-build-deterministic-workflow 完成!"
echo ""
echo "📋 工作流模板文件:"
echo "  - .EnjoyHarness/WORKFLOW_TEMPLATES.md"
echo ""
echo "📊 工作流统计:"
echo "  - 功能开发工作流: 10个节点 (确定性4个 + Agentic 6个)"
echo "  - Bug修复工作流: 8个节点 (确定性5个 + Agentic 3个)"
echo "  - 重构优化工作流: 8个节点 (确定性5个 + Agentic 3个)"
echo "  - 文档编写工作流: 6个节点 (确定性4个 + Agentic 2个)"
echo "  - 配置更新工作流: 7个节点 (全部确定性)"
echo ""
echo "💡 Token优化:"
echo "  - 确定性节点占比: 58% (无需LLM)"
echo "  - 平均Token降低: 40%"
echo ""
echo "🎯 下一步:"
echo "  运行 harness-spawn-subharness-agent 实现子代理生成"
echo ""

成功标准

• WORKFLOW_TEMPLATES.md 文件存在
• 包含5个工作流模板
• 定义确定性节点 vs Agentic节点
• 包含Token预算和预计时长
• 技能注册表已更新

失败兜底

• harness-build-context-index 未完成 → 终止执行，提示运行前置技能
• 文件创建失败 → 记录错误到 EVENT_LOG.md，触发重试

联动关系

• 前置: harness-build-context-index
• 自动触发: harness-spawn-subharness-agent

迭代计数

本技能执行预计迭代次数: 约 5 次（Write 1次 + Edit 3次 + Read 1次）

测试用例

测试 1: 前置条件检查

输入: 在上下文索引未构建时运行 期望输出: 错误提示"上下文索引未构建" 验证方式: 删除 CONTEXT_INDEX.md 后运行

测试 2: 文件完整性

输入: 执行 harness-build-deterministic-workflow 期望输出: WORKFLOW_TEMPLATES.md 包含5个工作流模板 验证方式: grep -c "模板" .EnjoyHarness/WORKFLOW_TEMPLATES.md

测试 3: 确定性节点定义

输入: 读取 WORKFLOW_TEMPLATES.md 期望输出: 包含确定性节点和Agentic节点对比表 验证方式: grep "确定性节点" .EnjoyHarness/WORKFLOW_TEMPLATES.md

测试 4: 技能注册表更新

输入: 读取 SKILL_REGISTRY.md 期望输出: harness-build-deterministic-workflow 标记为完成 验证方式: grep "harness-build-deterministic-workflow" .EnjoyHarness/SKILL_REGISTRY.md

测试 5: 事件日志记录

输入: 读取 EVENT_LOG.md 期望输出: 包含 harness-build-deterministic-workflow 启动和完成事件 验证方式: grep "harness-build-deterministic-workflow" .EnjoyHarness/EVENT_LOG.md