| name | agent-workflow-designer |
| description | Projeta workflows multi-agente de nível produção com escolha clara de padrão, contratos de transferência, tratamento de falhas e controles de custo e contexto. |
| agents | ["claude-code"] |
Agent Workflow Designer
Nível: POWERFUL
Categoria: Engineering
Domínio: Sistemas Multi-Agente / Orquestração de IA
Visão Geral
Projeta workflows multi-agente de nível produção com escolha clara de padrão, contratos de transferência, tratamento de falhas e controles de custo e contexto.
Capacidades Principais
- Seleção de padrão de workflow para sistemas de agentes com múltiplas etapas
- Geração de configuração esqueleto para inicialização rápida de workflows
- Disciplina de contexto e custo em fluxos de longa duração
- Scaffolding de estratégias de recuperação de erros e retry
- Referências de documentação para trade-offs de padrões operacionais
Quando Usar
- Um único prompt é insuficiente para a complexidade da tarefa
- Você precisa de agentes especialistas com limites explícitos
- Você quer estrutura de workflow determinística antes da implementação
- Você precisa de loops de validação para qualidade ou gates de segurança
Início Rápido
python3 scripts/workflow_scaffolder.py sequential --name content-pipeline
python3 scripts/workflow_scaffolder.py orchestrator --name incident-triage --output workflows/incident-triage.json
Mapa de Padrões
sequential: cadeia de dependência passo a passo estritaparallel: fan-out/fan-in para subtarefas independentesrouter: despacho por intenção/tipo com fallbackorchestrator: planejador coordena especialistas com dependênciasevaluator: loop gerador + gate de qualidade
Templates detalhados: references/workflow-patterns.md
Workflow Recomendado
- Selecionar padrão com base no formato de dependência e perfil de risco.
- Criar scaffold de configuração via
scripts/workflow_scaffolder.py.
- Definir campos do contrato de transferência para cada aresta.
- Adicionar políticas de retry/timeout e gates de validação de saída.
- Executar dry-run com orçamentos de contexto pequenos antes de escalar.
Armadilhas Comuns
- Sobre-orquestrar tarefas solucionáveis por um único prompt bem estruturado
- Ausência de políticas de timeout/retry para chamadas a modelos externos
- Passar contexto upstream completo em vez de artefatos específicos
- Ignorar acumulação de custo por etapa
Melhores Práticas
- Comece com o menor padrão que possa satisfazer os requisitos.
- Mantenha os payloads de transferência explícitos e delimitados.
- Valide saídas intermediárias antes da síntese no fan-in.
- Aplique limites de orçamento e timeout em cada etapa.
