- name
- xiaolongxia-workflow
- description
- 分层任务分解与执行工作流
- metadata
- openclaw
- emoji
- 🦞
- category
- workflow
- tags
- ["workflow", "task-management", "decomposition", "error-handling", "automation"]
slug: xiaolongxia-workflow version: 0.5.0
小龙虾分层任务工作流
版本: 0.5.0 (Release Candidate) 作者: OpenClaw 助手 创建时间: 2026-03-17 状态: 开发中 - 最小可行版本
🎯 概述
小龙虾分层任务工作流是一个系统化、工程化的任务处理框架，专为复杂AI代理设计。它将大型任务分解为阶段、步骤、子步骤，直到每个子步骤对模型来说是可执行的，同时提供完整的错误处理、输入输出控制和备份机制。
🚀 快速开始
安装
# 从工作空间直接使用（开发中）
cd /root/.openclaw/workspace/skills/xiaolongxia-workflow基本使用
from scripts.task_analyzer import TaskAnalyzer
from scripts.project_manager import ProjectManager
# 1. 分析任务
analyzer = TaskAnalyzer()
summary = analyzer.analyze("帮我设计一个完整的电商网站后端系统")
# 2. 创建项目
manager = ProjectManager(summary)
project_path = manager.create_project()
print(f"项目创建在: {project_path}")📁 目录结构
skills/xiaolongxia-workflow/
├── SKILL.md # 本文件
├── config/
│ └── workflow_config.json # 配置文件
├── scripts/
│ ├── task_analyzer.py # 任务分析器
│ ├── project_manager.py # 项目管理器
│ ├── step_decomposer.py # 步骤分解器
│ ├── step_executor.py # 步骤执行器
│ ├── robust_executor.py # 鲁棒执行器 (错误恢复)
│ ├── error_classifier.py # 错误分类器
│ ├── template_engine.py # 模板引擎
│ ├── run_workflow.py # 工作流运行器
│ └── demo_integrated.py # 集成演示
├── templates/
│ ├── task_summary.md.tpl # 任务概要模板
│ ├── top_level_plan.md.tpl # 顶层方案模板
│ └── step_report.md.tpl # 步骤报告模板
├── tests/
│ ├── test_basic.py # 基础测试
│ └── (更多测试待添加)
└── references/
└── workflow_diagram.png # 工作流程图 (待创建)🔧 当前版本功能 (Beta 0.3.0)
✅ 已实现
- 任务分析器 (
task_analyzer.py)
- 解析用户输入的任务描述 - 生成结构化任务概要 - 评估任务复杂度 (1-10分) - 自动判断是否需要分层处理
- 项目管理器 (
project_manager.py)
- 创建标准项目文件夹结构 - 生成任务概要文档 (task_summary.md) - 生成顶层方案 (top_level_plan.md) - 提供完整的项目信息接口
- 步骤分解器 (
step_decomposer.py)
- 递归分解任务为阶段、步骤、子步骤 - 支持复杂依赖关系管理 - 生成可执行的叶子步骤 - 保存分解结果为JSON
- 步骤执行器 (
step_executor.py)
- 执行单个步骤和批量步骤 - 模拟执行和实际执行模式 - 执行结果记录和状态更新 - 生成执行报告
- 错误分类器 (
error_classifier.py)
- 识别常见API错误 (400, 429, 500, 504等) - 提供恢复策略 (重试、拆分、降级等) - 错误统计和学习功能 - 策略成功率评估
- 模板引擎 (
template_engine.py)
- 加载和渲染模板文件 - 支持变量替换、条件判断、循环 - 内置任务摘要、步骤计划、报告模板 - 扩展自定义模板
- 鲁棒执行器 (
robust_executor.py)
- 集成错误分类和恢复策略 - 自动错误检测和恢复 - 智能重试机制 - 执行监控和增强报告
- 工作流运行器 (
run_workflow.py)
- 完整的端到端工作流集成 - 支持交互模式、测试模式、执行模式 - 命令行界面和API调用
🚧 开发中
- 邮件汇报系统 - 自动发送进度报告
- 自动备份机制 - 项目状态持久化
- 可视化进度跟踪 - 实时执行监控
- ClawHub集成 - 技能发布和版本管理
📅 待实现
- 邮件汇报系统
- 自动备份机制
- 依赖关系管理
- 可视化进度跟踪
⚙️ 配置
配置文件: config/workflow_config.json
{
"version": "0.1.0",
"project_base_dir": "/root/.openclaw/workspace/projects",
"max_decomposition_depth": 4,
"default_model": "deepseek-reasoner",
"max_input_tokens": 1000000,
"max_output_tokens": 8000,
"retry_policy": {
"max_retries": 3,
"backoff_factor": 2,
"initial_delay": 1
}
}📋 工作流程
1. 任务接收与分析
from scripts.task_analyzer import TaskAnalyzer
task = "帮我设计一个完整的电商网站后端系统"
analyzer = TaskAnalyzer()
summary = analyzer.analyze(task)
# 输出: task_summary.md
print(summary.to_markdown())2. 项目创建
from scripts.project_manager import ProjectManager
manager = ProjectManager(summary)
project_path = manager.create_project()3. 生成文件夹结构
project_20260317_1320/
├── task_summary.md
├── top_level_plan.md
├── steps/
│ └── (后续生成)
└── backup/🧪 测试
运行基础测试:
cd /root/.openclaw/workspace/skills/xiaolongxia-workflow
python3 -m pytest tests/test_basic.py -v🔌 集成OpenClaw
自动触发规则 (待实现)
在AGENTS.md中添加:
### 小龙虾工作流自动触发
当任务满足以下条件时自动启用:
- 包含复杂关键词（"系统设计"、"架构迁移"等）
- 估计执行时间 > 2小时
- 用户明确要求作为技能调用
# 使用clawhub安装后
openclaw skill use xiaolongxia-workflow --task "你的大型任务描述"🐛 已知问题 (MVP)
- 步骤分解逻辑尚不完整
- 错误处理仅为占位实现
- 邮件汇报功能缺失
- 备份机制待实现
📈 开发路线图
v0.1.0 (当前) - 基础骨架
- [x] 任务分析器
- [x] 项目模板生成
- [ ] 基础文档生成
v0.2.0 - 核心分解
- [ ] 步骤分解器
- [ ] 简单执行器
- [ ] 基础错误处理
v0.3.0 - 执行引擎
- [ ] API调用封装
- [ ] 重试策略
- [ ] 输出验证
v0.4.0 - 生产就绪
- [ ] 邮件汇报
- [ ] 自动备份
- [ ] 进度持久化
v1.0.0 - 完整技能
- [ ] 完整测试套件
- [ ] ClawHub发布
- [ ] 文档完善
🤝 贡献指南
- Fork本技能仓库
- 创建功能分支 (
git checkout -b feature/amazing-feature) - 提交更改 (
git commit -m 'Add amazing feature') - 推送到分支 (
git push origin feature/amazing-feature) - 创建Pull Request
📄 许可证
MIT License
📞 支持
如有问题，请:
- 查看
references/目录中的文档 - 运行测试检查功能
- 在OpenClaw社区提问
注意: 这是最小可行版本，功能有限。建议仅在测试环境中使用。