Skip to main content
ClaudeWave
Skill191 repo starsupdated today

os-workflow

The os-workflow skill establishes the standard practice for writing workflow outputs back to the AI Team OS when a Leader orchestrates sub-agents using Claude Code's built-in Workflow tool. It requires Leaders to register work directions via task_create before invoking Workflow and to embed OS write-back instructions in each workflow agent's prompt, enabling automatic tracking and persistent cross-session record-keeping while preserving Workflow as the session-level execution layer.

Install in Claude Code
Copy
git clone --depth 1 https://github.com/CronusL-1141/AI-company /tmp/os-workflow && cp -r /tmp/os-workflow/plugin/skills/os-workflow ~/.claude/skills/os-workflow
Then start a new Claude Code session; the skill loads automatically.

SKILL.md

# OS Workflow — 用 CC 工作流,但让产出回流 OS

## 背景(为什么需要这个 skill)

CC 内置的 `Workflow`(ultracode)是成熟的会话内并行编排器,OS **不与它竞争、也不拦截**——
OS 的定位是 **CC 的持久化治理层**:负责跨会话记账、任务墙、Dashboard、记忆沉淀。

两件事 OS 已**自动**做好,你无需手动操作:
- **自动追踪**:你一调用 Workflow,每个内部 agent 会被 hook 自动注册成一个 OS 团队
  (`workflow-<wf_id>`,一次 workflow = 一个团队,成员按 agent 唯一区分)。
- **委派识别**:调用 Workflow 已被视为"委派",不会再催你"为什么不建团队"。

你**需要主动**做两件事,让 OS 看清 workflow 干了什么:

## 1. 总任务上墙(Leader 职责,不变)

调用 Workflow 前/后,把这次工作方向用 `task_create` 登记到任务墙并置 running。
Leader 负责决策、设计、记录;执行交给 workflow——但**账要记在 OS**。
完成后 `task_update` 置 completed 并填 result。

## 2. 在每个 workflow agent 的 prompt 里嵌入「回写指令」

把下面这段**粘进你写的 workflow 脚本里每个 `agent()` 的 prompt 末尾**(已验证 workflow
agent 能调 OS 的 MCP 工具 + HTTP API,非沙盒):

```
【回写 OS(收尾必做)】
1. ToolSearch 加载:select:mcp__ai-team-os__task_memo_add,mcp__ai-team-os__report_save
2. 完成本职工作后:
   - task_memo_add(task_id="<总任务id>", content="<这步干了啥+关键结论>", memo_type="progress")
   - 重要产出再 report_save(...) 落库,并把 report_id 写进 memo
3. 你在项目目录运行,MCP 自动带项目头,无需关心端口/项目 id。
```

在脚本里把 `<总任务id>` 用第 1 步 `task_create` 拿到的 id 通过 prompt 字符串插值传进去。

### 脚本写法示例

```js
// Leader 先 task_create 拿到 taskId(OS MCP),再写 workflow:
const WRITEBACK = `\n【回写 OS(收尾必做)】\n1. ToolSearch: select:mcp__ai-team-os__task_memo_add\n2. 完成后 task_memo_add(task_id="${taskId}", content="...", memo_type="progress")\n3. 项目目录运行,MCP 自动带项目头。`

const r = await agent('你的实际任务……' + WRITEBACK, { schema, label })
```

## 要点

- **不要**手动 TeamCreate 去"配合" workflow——追踪是自动的,手动建队反而重复。
- 回写走 **MCP 工具优先**(自动项目隔离);HTTP `localhost:8000/api/*` 是等价兜底。
- 安全护栏(危险命令/敏感文件/密钥拦截)对 workflow agent 照常生效——这是治理,不受影响。
ai-engineerSubagent

AI/ML工程师,负责模型集成、提示工程、RAG管道、Agent工作流设计和AI功能开发,交付高质量的智能化功能模块

backend-architectSubagent

Python/FastAPI后端架构师,负责API设计、数据库建模、系统架构搭建、性能优化、可扩展性设计,交付稳健可维护的后端服务

code-reviewerSubagent

代码质量把关专家,负责PR Review、代码规范审查、安全漏洞检测、性能隐患识别,采用教育式而非看门式的Review哲学,帮助团队持续提升代码质量

database-optimizerSubagent

数据库优化专家,负责查询性能调优、索引策略设计、数据建模和迁移脚本编写,确保数据层高效稳定运行

engineering-devops-automatorSubagent

DevOps自动化工程师,负责CI/CD流水线设计、Docker容器化部署、基础设施即代码(IaC)、监控告警配置,确保项目从构建到部署的全链路自动化

frontend-developerSubagent

专注React/Vue/现代Web前端开发的工程师,负责组件开发、页面构建、响应式布局、Core Web Vitals性能优化、可访问性合规,交付高质量用户界面代码

git-workflow-masterSubagent

Git工作流专家,负责分支策略设计、合并冲突解决、代码历史维护、CI集成和团队Git规范制定

engineering-mcp-builderSubagent

MCP Server开发专家,负责设计和实现Model Context Protocol工具服务器,精通FastMCP/Python SDK、工具命名最佳实践、Zod验证和JSON/Markdown双输出格式