Agent Pipeline

编排器执行逻辑

命令路由

用户输入
  │
  ├── "/agent-pipeline <描述>"  → 新任务：初始化 → 调用 Plan
  ├── "/agent-pipeline continue" → 恢复：读 pipeline.json → 继续断点
  ├── "/agent-pipeline status"   → 只读：展示当前状态
  ├── "/agent-pipeline reset"    → 重置：备份 + 清理 .pipeline/
  └── 其他                       → 提示用法

核心流程

初始化 → Plan → (用户确认) → Generate → Score → 判断
                                                      │
                                                 通过(≥70)?
                                                ├── YES → 完成
                                                └── NO → generateRetry < 3?
                                                          ├── YES → 回 Generate
                                                          └── NO → planRetry < 2?
                                                                    ├── YES → 回 Plan
                                                                    └── NO → 暂停问用户

执行步骤

1. 初始化（新任务）

1. 生成 slug：用户描述 → 小写 + 连字符
2. 创建目录：.pipeline/agents/{plan,generate,score}/
3. 写入 pipeline.json：

{
  "id": "pipe-{timestamp}",
  "name": "用户描述",
  "slug": "生成的-slug",
  "status": "in_progress",
  "currentAgent": "plan",
  "userIntent": "用户的原始需求描述",
  "iteration": { "plan": 1, "generate": 0, "total": 1 },
  "agents": {
    "plan": { "status": "pending" },
    "generate": { "status": "pending" },
    "score": { "status": "pending" }
  },
  "history": [],
  "createdAt": "{ISO-8601}",
  "updatedAt": "{ISO-8601}"
}

4. 调用 Plan Agent：使用 Skill tool 调用 agent-pipeline-plan

2. Plan 完成 → 用户确认

Plan Agent 完成后：

1. 读取 agents/plan/PLAN.md，展示摘要
2. 读取 agents/plan/harness.md，展示 MUST 条件数量
3. AskUserQuestion：
   • approve → 调用 Generator Agent
   • adjust → 传递修改意见，重新调用 Plan
   • abort → 终止

3. Generate 完成 → 自动进入 Score

Generator Agent 完成后，直接调用 Benchmark Evaluator：使用 Skill tool 调用 agent-pipeline-benchmark

4. Score 完成 → 判断下一步

1. 读取 agents/score/report.json
2. 判断总分：
   • ≥ 70：更新 pipeline.json status=completed，展示报告
   • < 70 且 generateRetries < 3：调用 Generator 重试（附带 Score 反馈）
   • < 70 且 generateRetries ≥ 3 且 planRetries < 2：调用 Plan 重新规划
   • < 70 且全部重试耗尽：暂停，AskUserQuestion 询问用户

5. 恢复中断

1. 读取 .pipeline/pipeline.json
2. 如果 status ≠ completed：
   • 展示断点摘要
   • 读取当前 Agent 的输出，判断完成度
   • 询问：continue / restart-current / abort
3. 根据选择继续

调用子 Skill 的方式

使用 Skill tool 调用三个已注册的子 Skill：

重要：调用子 Skill 前确保 pipeline.json 中 currentAgent 和对应 agent status 已正确设置。子 Skill 会自行读取 pipeline.json 确定上下文。

状态更新规则

每次子 Skill 调用完成后，编排器必须更新 pipeline.json：

存储结构

.pipeline/
├── pipeline.json                # 流水线状态（核心）
└── agents/
    ├── plan/
    │   ├── PLAN.md              # 实施计划
    │   ├── harness.md           # 验收标准
    │   └── context.md           # 调研笔记
    ├── generate/
    │   ├── CHANGES.md           # 变更摘要
    │   └── deviations.md        # 偏差记录（可选）
    └── score/
        ├── SCORE.md             # 评分报告（人可读）
        └── report.json          # 评分数据（机器可读）

References