findscripter 采编自 alirezarezvani/claude-skills（MIT），适配重写为中文版本。
何时使用
在「实现之前」先确定多智能体工作流的结构时使用本技能：
- 单条提示无法承载任务复杂度，需要拆成多个有明确边界的专职智能体。
- 要在编码前确定确定性的工作流骨架（节点、依赖、交接字段）。
- 需要为质量或安全设置校验回路（生成 + 评审门）。
- 重构一个已存在但「上下文膨胀」或「交接不可靠」的 LLM 流水线。
- 纠结「单智能体 vs 多智能体」该选哪个。
不该用（负边界）：
- 一条结构良好的提示即可解决的任务——不要过度编排（见注意事项第 1 条）。
- 纯粹的提示词调优、模型选型、或与「工作流结构」无关的单步推理问题。
步骤 / 指令
- 按「依赖形态 + 风险画像」选模式（见下方模式速查）。
- 用脚手架脚本生成 JSON 骨架配置。
- 为「每一条边」定义交接契约字段（见交接最小契约）。
- 补齐重试、超时与输出校验门。
- 用小上下文预算先 dry-run，验证通过再扩容。
脚手架命令（脚本 scripts/workflow_scaffolder.py，参数 pattern 取值 sequential|parallel|router|orchestrator|evaluator）：
# 生成顺序工作流骨架并打印到 stdout
python3 scripts/workflow_scaffolder.py sequential --name content-pipeline
# 生成编排器工作流并落盘保存
python3 scripts/workflow_scaffolder.py orchestrator --name incident-triage --output workflows/incident-triage.json
模式速查（按依赖形态选）：
sequential顺序：严格的步步依赖链。例 research → draft → review。parallel并行：独立子任务 fan-out 后 fan-in 汇总，提升吞吐、降低延迟。router路由：按意图/类型分派到专职处理器，必须带 fallback 兜底。orchestrator编排：planner 动态规划、按 DAG 依赖协调多个 specialist。evaluator评估：generator + quality gate 回路，强制质量门后才定稿。
详细模板见 references/workflow-patterns.md。
示例
评估器（生成 + 质量门回路）骨架，脚本输出形如：
{
"name": "incident-triage",
"pattern": "evaluator",
"generator": {"agent": "generator"},
"evaluator": {"agent": "evaluator", "criteria": ["accuracy", "format", "safety"]},
"loop": {"max_iterations": 3, "pass_threshold": 0.8, "on_fail": "revise_and_retry"}
}
顺序模式自带重试策略："retry": {"max_attempts": 2, "backoff_seconds": 2}；并行模式自带超时："timeouts": {"per_task_seconds": 180, "fan_in_seconds": 120}；编排模式执行约束："execution": {"dependency_mode": "dag", "max_parallel": 3, "completion_policy": "all_required"}。
交接最小契约（每条边都应携带这些字段）：
workflow_id工作流标识step_id步骤标识task任务描述constraints约束upstream_artifacts上游产物（只传定向产物，不传完整上下文）budget_tokenstoken 预算timeout_seconds超时秒数
注意事项
常见坑：
- 过度编排——能用一条结构化提示解决的任务别拆成多智能体。
- 对外部模型调用缺少 timeout/retry 策略。
- 把完整上游上下文整包透传，而不是只传定向产物（导致上下文膨胀、成本飙升）。
- 忽视逐步累积的成本。
最佳实践：
- 从能满足需求的「最小模式」起步。
- 交接 payload 保持显式且有界。
- fan-in 汇总前先校验中间输出。
- 每一步都强制预算与超时上限。
互见
references/workflow-patterns.md：五种模式的完整 JSON 模板与选型启发式。- 智能/agents 域下的智能体设计、提示工程、上下文管理相关条目。