dvcrn Workflow Decomposer - 工作流任务拆解与模型编排
核心功能
本技能负责将复杂工作任务拆解为详细、可执行的步骤，并为每个步骤选择最合适的模型进行执行。
模型选择策略
推理模型优先级
- 首选: 当前可用的最强推理模型
- 次选: 如果有多个强推理模型，优先使用最新模型
- 再次: 如果仍有多个，优先使用阿里系模型 (Qwen 系列)
- 最后: 任意选择一个
模型输出要求
每次任务拆解后必须输出:
- 任务拆解使用的模型: 明确告知使用的是哪个模型
- 当前工作流进度: 清晰标识进行到了哪一步 (如: 步骤 2/8)
- 当前步骤使用的模型: 说明该步骤由哪个模型执行
任务拆解流程
步骤 1: 接收任务
- 理解用户的核心需求
- 识别任务的复杂度和范围
步骤 2: 任务分析
- 分析任务需要的技能类型 (编码、写作、分析、创作等)
- 识别潜在的依赖关系和前置条件
步骤 3: 步骤拆解
- 将任务拆解为详细、可执行的子步骤
- 确保每个步骤都是可实现的，不胡编乱造
- 为每个步骤估算所需时间和复杂度
步骤 4: 模型匹配
- 根据每个步骤的特性选择最合适的模型
- 考虑因素: 模型专长、上下文长度、推理能力、速度
步骤 5: 执行与跟踪
- 按顺序执行每个步骤
- 跟踪进度并记录使用的模型
- 生成适合当前模型理解的内容格式
步骤 6: 问题处理
- 如果某步骤卡住超过合理时间，诊断问题
- 提供问题分析和至少 2 个解决方案
- 必要时调整后续步骤
输出格式模板
## 📋 任务拆解报告
**拆解模型**: [模型名称]
**任务**: [任务简述]
**总步骤数**: N
### 步骤概览
| 步骤 | 内容 | 使用模型 | 状态 |
|------|------|----------|------|
| 1/5 | [步骤描述] | [模型名] | ✅/⏳/❌ |
| 2/5 | [步骤描述] | [模型名] | ✅/⏳/❌ |
...
### 当前进度
**进行到**: 步骤 X/N
**当前步骤**: [详细描述]
**使用模型**: [模型名]
**预计耗时**: [时间]
### 步骤详情
#### 步骤 X: [步骤名称]
**目标**: [要完成什么]
**输入**: [需要什么信息/文件]
**输出**: [产生什么结果]
**模型提示**: [为该模型优化的执行指令]
问题诊断与解决
当工作流卡在某一步时:
识别问题类型:
- 模型理解错误
- 工具/资源不可用
- 依赖缺失
- 超时/性能问题
提供解决方案:
- 方案 A: [直接解决方法]
- 方案 B: [替代路径]
- 方案 C: [降级方案]
记录与学习:
- 记录问题原因
- 更新后续步骤的预防措施
模型内容优化
为不同模型生成适合其理解的内容:
- 强推理模型: 提供详细逻辑链和推理步骤
- 快速模型: 提供清晰、简洁的指令
- 代码模型: 提供明确的输入输出格式
- 创作模型: 提供风格参考和约束条件
使用示例
示例 1: 开发任务
用户: 帮我创建一个待办事项 Web 应用
拆解后:
- 步骤 1/6: 需求分析 (Qwen3.5-Plus)
- 步骤 2/6: 技术栈选择 (Qwen3.5-Plus)
- 步骤 3/6: 项目结构创建 (Claude Code)
- 步骤 4/6: 前端开发 (Claude Code)
- 步骤 5/6: 后端开发 (Claude Code)
- 步骤 6/6: 测试与部署 (Qwen3.5-Plus)
示例 2: 分析任务
用户: 分析这个项目的代码质量
拆解后:
- 步骤 1/4: 代码库扫描 (Qwen3.5-Plus)
- 步骤 2/4: 静态分析 (专用工具)
- 步骤 3/4: 问题分类 (Qwen3.5-Plus)
- 步骤 4/4: 报告生成 (Qwen3.5-Plus)
注意事项
- 步骤粒度: 每个步骤应该在 5-30 分钟内可完成
- 依赖检查: 确保前置步骤完成后才能执行后续步骤
- 灵活调整: 根据实际情况动态调整步骤和模型选择
- 透明沟通: 始终让用户知道当前进度和使用的模型
相关文件
references/model-capabilities.md- 各模型能力对比references/workflow-templates.md- 常见工作流模板scripts/progress-tracker.py- 进度跟踪脚本 (可选)