Dynamic Workflow

安装指南

1. ClawHub CLI 从源直接安装技能的最快方式。
   npx clawhub@latest install dynamic-workflow
2. 手动安装 将技能文件夹复制到以下位置之一
   全局模式
   ~/.openclaw/skills/
   工作区
   /skills/
   优先级：工作区 > 本地 > 内置
3. 提示词安装 将此提示词复制到 OpenClaw 即可自动安装。
   请帮我使用 Clawhub 安装 dynamic-workflow。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
   更倾向于下载？
   获取包含原生技能文件的ZIP压缩包。
   下载技能 (.zip)

什么是

Dynamic Workflow 是一个用于 AI agent 协同编排的技能，适用于可以拆分为独立单元（如文件、端点、记录或研究数据源）的工作。它将确定性处理与需要 agent 判断的任务分离开来，然后协调 fan-outs、验证输出，并将中间结果保留在磁盘上，以便父级 agent 可以专注于综合汇总。
作为 Openclaw Skills 工具包的一部分，它支持单次批处理、对抗性声明验证和多波段代码库 Campaign。它是为大量的并行工作设计的——不适用于小型任务、紧密串行的依赖项或必须在重启后幸存的进程。

应用场景

迁移或审计具有许多可独立处理的文件或端点的代码库。
审查、分类或重构大量记录、数据源或代码单元。
运行多角度研究，以便对独立的答案进行比较和质疑。
通过让独立的 agent 尝试反驳具体的、可证伪的声明来验证研究发现。
通过共享指令、worker 所有权和集成检查，协调多波段重构 Campaign。
当结果需要可复现和经过验证，而不是按轮次即兴发挥时，使用 Openclaw Skills 工作流。

工作原理

确认工作包含独立单元且规模足够大，值得进行协同编排；对于小型任务或串行链，请使用不同的方法。
在终端环境的临时目录中创建一个唯一的运行目录，并编写一个每行包含一个单元的 manifest。
在 execute_code 中处理确定性准备工作，例如提取、解析、模板化或构建 manifest。
仅将不可缩减的基于判断的工作发送到 delegate_task，根据配置的并发限制调整任务大小，并在需要时发送有界的波段。
让每个子进程处理其分配的切片，并将结构化结果写入特定于运行的文件，而不是可能被截断的摘要字段。
在发起顶层 fan-out 后结束本轮。在后续消息中处理返回的子结果；不要假定输出文件已立即准备就绪。
在合并结果或呈现发现之前，验证文件新鲜度、预期数量和特定于任务的证据。
对于对抗性收敛，去重独立声明，将它们连同源材料一起发送给反驳者，保留受支持的幸存项，并在某轮没有增加幸存项或已运行三轮时停止。
对于 Campaign，在各轮次中集成经过验证的工作，在合并后的树上运行完整的测试套件，并在声明本轮完成前确认每个 worker 分支都没有未合并的提交。

配置指南

Prerequisites
确保 delegate_task 可用，并将 delegation.max_concurrent_children 设置为可以容纳每个批次的值。运行时会拒绝大于配置限制的任务列表，而不是自动排队。
仅当子 agent 必须生成其自己的子项时，才将 delegation.max_spawn_depth 设置为至少 2。
确保 execute_code 与所需的确定性工具一起可用：web_search、web_extract、read_file、write_file、search_files、terminal 和 patch。
使用从终端环境的临时目录解析的可写临时目录。不要硬编码 /tmp；该路径对于 Termux 或原生 Windows 是不可移植的。
Run directory
为每次运行创建一个唯一的目录，这样来自中断运行的陈旧输出就不会被误认为是当前结果。将 RUN_DIR 设置为遵循 /wf__/ 模式的路径，然后创建它：
mkdir -p "$RUN_DIR"
该技能未指定单独的包安装命令或附加配置文件。在提供所需工具和委派设置的 agent 环境中加载它。在没有兼容 Bash 的终端的平台上，请使用平台的原生临时目录和目录创建命令。

数据架构

Dynamic Workflow 将其计划和中间结果存储在特定于运行的文件中，而不是依赖父级 agent 的上下文或子级摘要。
Artifact Purpose and expected contents
/manifest.jsonl 每行一个工作单元；父级根据预期的单元数量检查其数量。
/out_.csv 来自单次 fan-out 任务 i 的结构化输出；验证每个文件是否存在且是在当前运行期间写入的。
/attempt_.md 独立的 agent 尝试，每行包含一个定位的、可单独证伪的声明。
Refutation output 格式为 `claim_idx
BRIEF.md 每个 worker 阅读的共享 Campaign 指令；当 Fleet 需要重定向时更新此单一来源。
task_.md 与共享简报配对的特定于集群的任务指令。
HANDOFF.md 重启说明，涵盖父级停止的原因、无效句柄、分支计分卡和确切的重新调度指令。
Worker branches and commits Campaign 交接和集成状态；验证分支是否有零个未合并到集成分支的提交。
为每次调用使用唯一的运行目录。将结构化结果存储在文件中，而不是子项 summary 字段中，后者在负载下可能会截断。保持声明足够具体，以便用证据进行反驳，并记录被丢弃声明的反驳证据。

高级特性

Two-layer orchestration:
execute_code
进行确定性循环和准备，使用
delegate_task
进行隔离的 LLM 判断任务。
Bounded concurrency:
delegation.max_concurrent_children
；将较大的工作负载划分为波段，而不是超过运行时限制。
Adversarial verification:
生成独立构建的尝试，对声明进行去重，并要求反驳者使用源证据质疑每个声明。
Multi-wave campaigns:
通过共享简报、按集群划分的任务文件、独占文件所有权和经过验证的集成轮次来协调几十个 worker。
Evidence-first integration:
变基并合并 worker 分支，在合并后的树上运行完整套件，并在推进前检查未合并的提交。
Freshness and completion checks:
验证输出文件和文件系统状态，而不是信任
completed
状态或假设停顿的子项未能写入。
Restart handoffs:
HANDOFF.md
中记录 Campaign 状态；该技能不会使
delegate_task
在进程重启后保持持久。
Scope before scale:
首先运行代表性切片并报告其 token 成本，然后再扩展工作流。

name: dynamic-workflow description: Plan-in-code fan-outs, adversarial verification, waves. version: 2.0.0
author: Teknium + Hermes Agent
license: MIT
platforms: [linux, macos, windows]