端到端工作流編排器 - File-Based Handoff + 智能並行決策
npx skills add https://github.com/miles990/multi-agent-workflow --skill orchestrateCopie e cole este comando no Claude Code para instalar a skill
跨子系統架構一致性審查 - 利用多視角並行分析架構健康度
多 Agent 監督式實作框架 - TDD 驅動、即時審查、品質守護
智能 commit .claude/memory/ 目錄的變更（含任務追蹤）
多 Agent 並行規劃框架 - 多視角同時設計，共識驅動實作計劃
多 Agent 並行研究框架 - 多視角同時研究，智能匯總成完整報告
多 Agent 並行審查框架 - 多視角程式碼審查，問題分類與優先排序
| name | orchestrate |
| version | 3.4.0 |
| description | 端到端工作流編排器 - File-Based Handoff + 智能並行決策 |
| triggers | ["orchestrate","workflow","全流程","e2e"] |
| allowed-tools | ["Read","Write","Bash","Glob","Grep","Skill","Task","TaskCreate","TaskUpdate","TaskList","TaskGet"] |
此 Skill 使用共用工具。執行時必須先解析資源根目錄，再使用完整路徑。
從 command-message header 取得 Base directory，例如：
Base directory for this skill: /path/to/.../skills/orchestrate
支援兩種安裝形態：
shared/ 位於 plugin root。npx skills add：generated _shared/、_scripts/ 位於本 skill 目錄內。if [ -d "$BASE_DIR/_shared" ]; then
SHARED_DIR="$BASE_DIR/_shared"
SCRIPTS_DIR="$BASE_DIR/_scripts"
else
PLUGIN_ROOT="${BASE_DIR%/skills/orchestrate}"
SHARED_DIR="$PLUGIN_ROOT/shared"
SCRIPTS_DIR="$PLUGIN_ROOT/scripts"
fi
"$SHARED_DIR/tools/workflow-init.sh" init "$WORKFLOW_ID" orchestrate "需求摘要"
重要：不要使用 ./shared/tools/...，因為工作目錄是用戶專案，不是 skill/plugin 目錄。
在開始工作流之前，檢查專案是否已配置規範執行機制：
# 檢查 settings.local.json 是否包含必要的 hooks
cat .claude/settings.local.json 2>/dev/null | grep -q "PostToolUse" && echo "✓ Hooks configured" || echo "✗ Hooks not configured"
如果 Hooks 未配置，顯示以下提示：
⚠️ 專案尚未配置 workflow 規範執行機制。
建議執行 `/setup-workflow` 啟用以下功能：
• Task 完成後自動 commit（保存進度）
• 自動運行測試驗證
• Memory 變更追蹤
執行 `/setup-workflow` 一鍵完成配置。
如果用戶選擇繼續：可以繼續執行，但不會有自動 commit 和驗證功能。
需求輸入 → 6 階段串聯 → 品質閘門 → 智慧回退 → 完成交付
/orchestrate [需求描述]
/orchestrate 建立用戶認證系統，支援 JWT 和 OAuth2
Flags:
--profile <mode> - 執行模式：default（預設）| express（快速）| quality（最高品質）--start-from STAGE - 從指定階段開始--skip STAGE - 跳過指定階段--quick - 快速模式（等同 --profile express）--deep - 深度模式（等同 --profile quality）RESEARCH → PLAN → TASKS → IMPLEMENT → REVIEW → VERIFY
↑__________↓
智慧回退機制
| 階段 | 輸入 | 輸出 | 閘門分數 |
|---|---|---|---|
| RESEARCH | 需求 | synthesis.md | ≥70 |
| PLAN | 研究報告 | implementation-plan.md | ≥75 |
| TASKS | 實作計劃 | tasks.yaml | ≥80 |
| IMPLEMENT | 任務清單 | 程式碼 | ≥80 |
| REVIEW | 程式碼 | review-summary.md | ≥75 |
| VERIFY | 審查報告 | 驗證結果 | ≥85 |
Phase 0: 初始化工作流
├── 生成 workflow-id
├── **【必要】執行 workflow-init.sh 初始化通訊環境**
│ └── Bash: "$SHARED_DIR/tools/workflow-init.sh" init <workflow-id> orchestrate "<需求摘要>"
│ └── 這會創建 .claude/workflow/current.json（Hooks 依賴此檔案）
├── 載入執行模式配置
│ └── 讀取 $SHARED_DIR/config/execution-profiles.yaml
│ └── 套用視角數和模型配置
├── 建立報告目錄
└── 記錄開始時間
↓
For each stage in [RESEARCH, PLAN, TASKS, IMPLEMENT, REVIEW, VERIFY]:
↓
Phase 1: 執行階段
├── 呼叫對應 skill
└── 等待完成
↓
Phase 2: 早期終止檢查
├── 滿足條件？→ 可跳過後續步驟
└── 不滿足 → 繼續
↓
Phase 3: 品質閘門
├── 通過 → 下一階段
└── 失敗 → 智慧回退
↓
End for
↓
Phase 4: 完成
├── 生成報告
├── CT 閉環檢查（Self-Dogfood）
│ ├── 檢查各階段 ct_detection / quality gate / action log
│ ├── 產生 ct-retrospective.md
│ ├── 必要時產生 self-upgrade-proposal.md
│ └── 安全時執行 autonomous upgrade decision
├── 產生 closed-loop-summary.md 收斂成果
├── 更新 Memory
└── 驗證變更已 commit（見下方 Fallback）
/orchestrate 完成 VERIFY 後必須吃自己的狗食，檢查工作流本身是否需要升級。
輸出位置：
.claude/memory/workflows/{workflow-id}/ct-retrospective.md
.claude/memory/workflows/{workflow-id}/self-upgrade-proposal.md # 有改善建議時
.claude/memory/workflows/{workflow-id}/upgrade-decision.yaml
.claude/memory/workflows/{workflow-id}/upgrade-report.md # 有實際 patch 時
.claude/memory/workflows/{workflow-id}/closed-loop-summary.md
檢查項目：
ct_mode 是否選對：是否過度升級或低估風險自動化等級：
| Level | 行為 |
|---|---|
| L1 | 只記錄 ct-retrospective.md |
| L2 | 產生 self-upgrade-proposal.md |
| L3 | 低風險 docs / templates / CT examples 可自動 patch |
| L4 | router / gates / scripts 可 patch，但必須附測試 |
| L5 | 架構級變更只提出 proposal，需人工批准 |
→ 規範：shared/ct/retrospective.md → 自主升級：shared/ct/autonomous-upgrade.md → Policy：shared/ct/self-upgrade-policy.yaml
如果自動 checkpoint commit 沒有觸發（例如 hooks 未配置），手動執行：
# 檢查是否有未 commit 的變更
git status
# 如果有變更，手動 commit
git add -A
git commit -m "chore(workflow): complete {workflow-id}"
自動 Commit 觸發時機：
synthesis.md → RESEARCH 完成implementation-plan.md → PLAN 完成tasks.yaml → TASKS 完成summary.md → IMPLEMENT 完成review-summary.md → REVIEW 完成verify-summary.md → VERIFY 完成根據迭代次數決定回退目標：
| 迭代 | 回退目標 | 原因 |
|---|---|---|
| 1-2 | IMPLEMENT | 可能是實作問題 |
| 3 | TASKS | 可能是任務分解問題 |
| 4 | PLAN | 可能是設計問題 |
| 5+ | HUMAN | 超過自動修復能力 |
循環偵測：
→ 配置：shared/quality/rollback-strategy.yaml
當工作流中斷或某階段失敗時，自動保存進度以便恢復。
每個階段完成後立即保存進度到 .claude/workflow/{id}/recovery/progress.yaml：
workflow_id: "orchestrate_20260206_123456_abc123"
status: "interrupted" # completed | interrupted | failed
current_stage: "IMPLEMENT"
completed_stages:
- stage: RESEARCH
output: ".claude/memory/research/{topic-id}/synthesis.md"
score: 82
timestamp: "2026-02-06T12:35:00Z"
- stage: PLAN
output: ".claude/memory/plans/{feature-id}/implementation-plan.md"
score: 78
timestamp: "2026-02-06T12:40:00Z"
- stage: TASKS
output: ".claude/memory/tasks/{plan-id}/tasks.yaml"
score: 85
timestamp: "2026-02-06T12:45:00Z"
failed_stage:
stage: IMPLEMENT
error: "Tests failed after 3 retries"
last_checkpoint: "task-3-of-8"
timestamp: "2026-02-06T13:00:00Z"
/orchestrate --resume {workflow-id}
# 或
/orchestrate --resume # 自動找到最近中斷的工作流
恢復流程：
progress.yaml 確認中斷點中斷時輸出：
⚠️ 工作流部分完成 (3/6 階段)
✅ RESEARCH → PLAN → TASKS
❌ IMPLEMENT（失敗：Tests failed after 3 retries）
⏸️ REVIEW → VERIFY（未執行）
進度已保存至：.claude/workflow/{id}/recovery/progress.yaml
恢復命令：/orchestrate --resume {id}
| 情境 | 機制 | 說明 |
|---|---|---|
| 品質閘門失敗 | 智慧回退 | 自動回退到適當階段重試（最多 5 次） |
| 回退次數超限 | 部分完成 | 保存進度，等待人工介入後 --resume |
| Context Limit | 部分完成 | 保存進度，新 session 中 --resume |
| 外部錯誤（網路/權限） | 部分完成 | 保存進度，修復問題後 --resume |
| Session 崩潰 | 部分完成 | 依賴 git checkpoint，--resume 從最後 commit 恢復 |
| 階段 | 條件 | 動作 |
|---|---|---|
| RESEARCH | consensus ≥ 0.9 | 跳過衝突解決 |
| PLAN | risk < 0.2 | 快速模式 |
| REVIEW | 無 BLOCKER/HIGH | 直接通過 |
| VERIFY | pass_rate ≥ 0.98 | 可發布 |
→ 配置：shared/config/early-termination.yaml
完成後自動生成：
dashboard.md - 總覽timeline.md - 時間線quality-report.md - 品質報告decisions.md - 決策記錄→ 工具：shared/tools/generate-report.sh
.claude/memory/workflows/[workflow-id]/
├── dashboard.md # 總覽報告
├── timeline.md # 時間線
├── decisions.md # 決策記錄
├── quality-report.md # 品質報告
├── ct-retrospective.md # CT 閉環檢查
├── self-upgrade-proposal.md # 必要時產生
├── upgrade-decision.yaml # 自主升級決策
├── upgrade-report.md # 有實際 patch 時產生
├── closed-loop-summary.md # 最終成果收斂報告
├── stages/ # 各階段報告
├── agents/ # Agent 記錄
└── exports/ # 匯出格式
在執行任何階段之前，必須先初始化工作流環境：
# 0. 從 command-message header 取得 Base directory，計算 Plugin Root
# 例如：Base directory: /path/.../2.4.2/skills/orchestrate
# SHARED_DIR 是 repo-level shared 或本 skill 內 generated _shared
# 1. 生成 workflow ID（格式：orchestrate_YYYYMMDD_HHMMSS_xxxx）
WORKFLOW_ID="orchestrate_$(date +%Y%m%d_%H%M%S)_$(openssl rand -hex 4)"
# 2. 執行初始化（創建 current.json，讓 Hooks 能記錄活動）
# 使用完整路徑，不要用 ./shared/...
"$SHARED_DIR/tools/workflow-init.sh" init "$WORKFLOW_ID" orchestrate "需求摘要"
為什麼這很重要？
.claude/workflow/current.json/status 和 statusline 無法顯示正確的工作流狀態解決 Context Limit 的根本方案：使用檔案系統作為 Agent 間的「外部記憶體」。
→ 完整說明：shared/coordination/file-based-handoff.md
傳統方式：
Agent A 完成 → 15K tokens 回傳 Orchestrator
Agent B 完成 → 15K tokens 回傳
Agent C 完成 → 15K tokens 回傳
Agent D 完成 → 15K tokens 回傳
─────────────────────────────────
總計：60K+ tokens → 爆炸 💥
File-Based Handoff：
Agent A 完成 → 寫入檔案 → 回傳 "完成，見 path/a.md" (~100 tokens)
Agent B 完成 → 寫入檔案 → 回傳 "完成，見 path/b.md" (~100 tokens)
...
─────────────────────────────────
Orchestrator 只累積：~400 tokens ✅
完整結果在：檔案系統 + Git
大型任務使用背景執行：
Task({
description: "複雜任務",
prompt: "...結果寫入 {path}，只回覆確認",
run_in_background: true // 關鍵！
})
Agent 輸出到檔案：
.claude/memory/{type}/{id}/result.mdGit Checkpoint：
git commit下一階段讀取檔案：
| 方式 | 4 個大型 Agent | Orchestrator Context |
|---|---|---|
| 傳統 | 全部回傳 | ~60K tokens（危險） |
| File-Based | 只回傳路徑 | ~10K tokens（安全） |
當用戶要求同時執行多個任務時，Orchestrator 會智能決定執行策略。
→ 配置：shared/config/parallel-execution.yaml
| 任務複雜度 | 最大並行數 | 判斷依據 |
|---|---|---|
| 簡單 | 4 | 單一模組、< 3 檔案、測試已存在 |
| 中等 | 2 | 跨模組、3-10 檔案、需新測試 |
| 複雜 | 1 | 架構變更、> 10 檔案、多階段 |
用戶請求多任務
↓
┌─────────────────────────────────────┐
│ 1. 分析每個任務的複雜度 │
│ 2. 偵測任務間的依賴關係 │
│ 3. 估算 context 消耗 │
└─────────────────────────────────────┘
↓
┌─────────────────────────────────────┐
│ 決策： │
│ - 無依賴 + 簡單 → 全部並行 │
│ - 有依賴 → 拓撲排序後分批 │
│ - 複雜任務 → 順序執行 │
│ - context 緊張 → 降低並行度 │
└─────────────────────────────────────┘
↓
執行並監控
自動偵測以下依賴：
輸入：同時執行 4 個 Phase 1 任務
分析：
決策：
批次 1: [智能待辦 P1, 動態 Skill P1] → 並行
↓ 完成後 /compact
批次 2: [記憶演化 P1, 分布式記憶 P1] → 並行
原因：每批 2 個任務，避免 context 爆炸。
→ 指南：shared/coordination/context-limit-handler.md
監控閾值：
即時壓縮：
背景執行：
run_in_background: true當看到 "Context limit reached"：
┌─────────────────────────────────────┐
│ 1. 記錄哪些 Agent 已完成 │
│ 2. 記錄哪些 Agent 還在運行 │
│ 3. 開新 session │
│ 4. 執行完成狀態檢查： │
│ - git status │
│ - pnpm typecheck │
│ - pnpm test <paths> │
│ 5. 從中斷點繼續，降低並行度 │
└─────────────────────────────────────┘
自動保存到 .claude/workflow/{id}/recovery/progress.yaml：
tasks:
- id: "task-1"
status: "completed"
commit: "abc123"
- id: "task-2"
status: "in_progress"
last_checkpoint: "80%"
我需要繼續之前因 context limit 中斷的工作。
**已完成**：
- [x] 任務 A（已 commit）
- [x] 任務 B（未 commit 但完整）
**未完成**：
- [ ] 任務 C（進度 80%）
請：
1. 先 commit 任務 B
2. 驗證並繼續任務 C
3. **一個一個執行，不要並行**
--max-parallel <n> - 限制最大並行數（預設：自動決定）--sequential - 強制順序執行所有任務--save-progress - 每個任務完成後保存進度檔--resume <progress-file> - 從進度檔恢復執行