메뉴
引导用户创建标准化的 Talos workflow。当用户想创建新 workflow、设计 AI coding 流程、 搭建多阶段 agent pipeline、或说"帮我创建一个 workflow"、"设计流程"、"自动化 XX"、 "创建 pipeline"、"搭建工作流" 时触发。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
| name | workflow-creator |
| description | 引导用户创建标准化的 Talos workflow。当用户想创建新 workflow、设计 AI coding 流程、 搭建多阶段 agent pipeline、或说"帮我创建一个 workflow"、"设计流程"、"自动化 XX"、 "创建 pipeline"、"搭建工作流" 时触发。 |
| user-invocable | true |
引导用户从意图出发，创建标准化、可执行的 Talos workflow。
产出一组文件：workflows/<name>/ 目录下的 workflow.md 和 manifest.json，可通过 talos install <name> 安装到目标项目。
| 层 | 文件 | 职责 |
|---|---|---|
| 编排 | workflow.md | 定义 stages 和协调规则 |
| 配置 | manifest.json | 声明依赖（agents、skills、mcp、plugins） |
| 代理 | agents/*.md（root） | 可复用的 builtin agent 库，workflow 通过路径引用 |
| 记忆 | memorizer skill | 协调者在委托 subagent 时引导加载 |
解耦原则：
workflow.md 只引用 agent 名（委托 **X** agent），不嵌入 agent 逻辑加载 **X** skill）manifest.json 是唯一的配置来源——依赖和配置都在此声明从对话上下文提取，缺失的再问。搞清楚四件事：
意图已清晰时跳过冗余提问。
从终点向前回溯，每个前置条件是一个 stage。不需要 手动添加记忆 stage（读记忆和写记忆由 workflow skill 自动处理）。
分工决策：
| 特征 | 处理方式 | workflow.md 写法 |
|---|---|---|
| 频繁用户交互（澄清、确认、选择） | Main agent 自行处理 | 无 subagent/skill 关键词 |
| 范围明确、自包含执行（写代码、审查、测试） | 委托 subagent | 委托 **X** agent |
| 可复用程序化模式（TDD、调试、PRD） | 加载 skill | 加载 **X** skill |
Agent 复用：设计 stage 时先检查 agents/ 目录中的已有 builtin agent。只在无合适 builtin agent 时才建议创建新的（放在 agents/ 目录，通过 manifest.json 引用）。
输出 stage 列表给用户确认，括号内标注执行方式：
Stage 1: 理解缺陷 [main]
Stage 2: 调试验证 [agent: debugger]
Stage 3: 代码审查 [agent: reviewer]
用户确认后进入 Phase 3。
对每个需要外部能力的 stage：
site:skills.sh <关键词> 或引导浏览 https://www.skills.sh/skill-creator 创建按顺序生成：
workflows/<name>/workflow.mdworkflows/<name>/manifest.jsonagents/<name>.md生成后执行验证清单。
兼容 workflow runner 解析规则：
## stage N — name委托 **X** agent加载 **X** skillXX时跳过不需要 包含记忆相关 stage（读记忆和写记忆由 workflow skill 自动处理）。
# <Workflow 名称>
一句话描述。
## stage 1 — <stage 名称>
<stage 描述>
委托 **<agent-name>** agent，传入 <参数>。
<可选：XX时跳过>
{
"agents": [
"agents/<builtin-agent-name>",
"./agents/<local-agent-name>"
],
"skills": [
{ "name": "<name>", "source": "<source>" }
],
"mcp": [
{
"name": "<name>",
"transport": "stdio",
"command": "<command>",
"args": ["<arg>"]
}
],
"plugins": [
"<plugin-ref>"
]
}
字段说明：
agents: 路径引用。agents/xx 引用 builtin（root agents/），./agents/xx 引用 workflow-localskills: 从 skills.sh registry 下载mcp: 内联配置对象，或路径引用（./mcp/config.json）plugins: plugin ref 字符串只在无合适 builtin agent 时才创建新 agent，放在 root agents/ 目录：
---
name: "<kebab-case>"
description: "<一句话：做什么 + 何时用>"
tools: Bash, Read, Write, Edit, Skill
model: sonnet
---
<2-3 句职责说明>
## 输入
<接收什么>
## 输出
<产出什么>
## 流程
1. <步骤>
2. ...
## 依赖
- **Skills**: `<name>` — <使用条件>
- **MCP**: <server> — <用途>
## 规则
- <约束>
委托 **X** agent 的 X，在 manifest.json 的 agents 中有对应路径## 依赖 中的 skill，都在 manifest.json 的 skills 中有条目## 依赖 中的 MCP，都在 manifest.json 的 mcp 中声明workflow.md：
# Debug Pipeline
Web 缺陷诊断与修复流程。
## stage 1 — 理解缺陷
与用户对话，理解缺陷现象、复现步骤、期望行为。
在完整理解缺陷之前可以多次询问用户，不要急于进入调试阶段。确认理解后输出结构化的缺陷描述。
## stage 2 — 调试验证
委托 **debugger** agent，传入缺陷描述和相关代码位置。
## stage 3 — 代码审查
委托 **reviewer** agent，传入修复代码。
缺陷为单行配置变更或样式微调时跳过。
manifest.json：
{
"agents": [
"agents/debugger",
"agents/reviewer"
],
"skills": [
{ "name": "diagnose", "source": "mattpocock/skills" },
{ "name": "code-review", "source": "obra/superpowers", "installName": "requesting-code-review" },
{ "name": "knowledge-synthesis", "source": "anthropics/knowledge-work-plugins" },
{ "name": "obsidian-markdown", "source": "kepano/obsidian-skills" }
],
"mcp": [],
"plugins": []
}
agents/debugger.md：
---
name: "debugger"
description: "诊断并修复缺陷。当需要分析 bug、定位根因、修复问题并验证时使用。"
tools: Bash, Read, Write, Edit, Skill
model: sonnet
---
循环诊断缺陷：用 diagnose skill 深度分析，根据环境选择合适的工具验证并采集 debug 数据，直到问题确认解决。
## 输入
- 缺陷描述和复现步骤
- 相关代码位置（如有）
## 输出
- 根因分析
- 修复后的代码
- 验证结果
## 流程
1. 加载 `diagnose` skill 进行系统化分析，形成初始假设
2. 根据缺陷环境选择工具验证假设（浏览器用 Chrome DevTools，后端用日志/断点等）
3. 根据收集的数据修正假设，定位根因
4. 实现修复
5. 再次验证修复效果
6. 验证不通过则回到步骤 1，带入新数据继续分析
7. 验证通过后输出结论
## 依赖
- **Skills**: `diagnose` — 系统化 bug 诊断
## 规则
- 每轮循环必须收集新的证据，不允许空转
- 优先复现再修复，不在没有证据的情况下改代码
- 修复后必须验证原场景通过