本文へ移動
cccskills
無料GitHub で公開

agent-workflow-playbook

AI Agent Workflow & Skill Architecture Guide — turn expert work into measurable, reusable agent systems. Covers workflow discovery, skill decomposition, harness design, evaluation, human escalation, observability, cost control, and multi-agent orchestration. Includes a measured marketing-delivery case: 15 people × 3–4 weeks reduced to one strategist + AI in 5 days. By Gingiris.

インストール方法を見る

含まれるファイル(6)

  • SKILL.md7.9 KB
  • _meta.json142 B
  • .clawhub/origin.json155 B
  • references/en/README.md1.5 KB
  • references/ja/README.md2.1 KB
  • references/ko/README.md1.8 KB

SKILL.md(原文)

インストールする前に、エージェントに与えられる指示の中身を確認できます。

AI Agent Workflow Playbook — 从专家经验到可规模化交付

适用于:把研究、营销、运营、分析、内容生产等高认知任务,改造成可测量、可纠错、可复用的 Agent 工作流。

先判断:这个任务该不该 Agent 化

只有同时满足以下多数条件才进入自动化:

  • 输入和合格输出可以被描述;
  • 专家能说清“什么是对、什么是错”;
  • 任务重复发生,或交付成本随客户数近似线性增长;
  • 关键数据能合法、稳定取得;
  • 错误可以在发布、付款、删除或对外发送前被拦截;
  • 结果能通过 rubric、样例集或业务指标复核。

如果任务低频、目标持续变化、没有验收口径,先做人工 SOP,不要先搭多 Agent。

1. 建立基线,不要直接写 Prompt

选择 10–30 个近期真实任务,记录人工基线:

指标定义
任务成功率首次交付通过验收的任务数 / 总任务数
一次通过率无返工即通过的任务数 / 总任务数
周期从收到完整输入到可交付输出的 elapsed time
人工工时研究、制作、复核、返工所花人时
单次成本模型、工具、数据和人工复核成本之和
重试率发生工具重试或整段重做的任务占比
严重错误率错误发布、错误付款、数据泄露等高风险事件占比

没有这张基线表,就只能证明 Agent “能跑”,不能证明工作流变好了。

2. 从业务链路拆 Skill

先画业务链路,再按可验收结果拆 skill:

需求澄清 → 数据获取 → 证据整理 → 分析 → 产出 → 质检 → 人工批准 → 交付 → 反馈沉淀

每个 skill 至少包含:

name: competitor-evidence-pack
input_contract:
  required: [product, market, competitors, time_window]
output_contract:
  required: [claims, source_urls, captured_at, confidence, unknowns]
tools:
  allow: [search, fetch]
  deny: [publish, delete, payment]
acceptance:
  - every material claim has a source
  - source capture time is recorded
  - unknown facts are labeled, not guessed
escalate_when:
  - authenticated source is inaccessible
  - sources conflict on a decision-critical fact

优先做单一职责 skill。只有当步骤间存在清晰依赖时,才增加 orchestrator。

3. Harness:让系统知道边界、记住纠错、持续评测

Prompt 只描述一次交互;harness 管理长期运行环境。至少包含五层:

  1. Context:品牌、客户、目标、禁区和数据权限;
  2. Skills:通用技能与客户专属技能分离,按任务选择调用;
  3. Memory:只沉淀经过确认的偏好、错误和纠正,不把猜测写成事实;
  4. Evaluation:固定样例集、rubric、回归测试和业务指标;
  5. Observability:每步输入摘要、工具调用、证据、成本、耗时、重试和最终批准人。

一次失败的正确处理方式不是无限加提示词,而是:记录失败类型 → 判断是数据、工具、推理还是验收问题 → 修改对应层 → 用旧样例集回归。

4. 选择编排方式

模式适用情况主要风险
顺序后一步严格依赖前一步输出上游错误级联
并行多个独立来源或方案可同时产生合并冲突、重复成本
路由不同任务应调用不同专长分类错误
主管—执行者任务可拆成多个独立子任务主管成为瓶颈
评审—修订输出有明确 rubric,可迭代改进无界循环、成本失控

默认从单 Agent + 多 skill 开始。只有观测数据证明吞吐或专长隔离确实需要并发,才升级为多 Agent。

5. 人工介入与权限

以下动作默认需要人工批准:

  • 对外发布、群发、私信或代表个人表态;
  • 付款、退款、采购和价格承诺;
  • 删除、覆盖或批量修改数据;
  • 使用未获授权的个人数据;
  • 低置信度但会影响客户决策的结论。

连续任务不要重复索取同一授权;记录授权对象、范围和有效期。权限不足时返回缺失项和恢复路径,不要假装完成。

6. 上线门槛与回滚

按四阶段推进:

  1. Shadow:Agent 生成结果但不影响人工交付;
  2. Copilot:人工选择、修改并批准每次输出;
  3. Guarded automation:低风险步骤自动执行,高风险动作审批;
  4. Autonomous:仅用于已稳定通过回归测试、可完整审计且可回滚的边界任务。

每次版本变更比较同一批任务的成功率、周期、人工工时、成本和严重错误率。任一安全指标恶化,回滚到上一稳定版本。

真实案例:营销洞察交付从项目制走向产品化

来源:Gingiris 飞书会议纪要《AI agent实践落地困境与规模化尝试分析》,2026-05-10。以下是会议中的经验陈述,不是独立审计或随机对照实验。

旧链路

  • 运营人员手动浏览小红书约 10 天到 2 周;
  • 早期自动化把信息收集压缩到数小时,但报告仍依赖人工思考、迭代和制图;
  • 一个高质量 PPT 交付需要约 15 人、3–4 周,难以复制到 100 或 1,000 家客户。

新链路

  • 将达人筛选、赛道分析、人群识别、内容与投放建议拆成通用 skill 和客户专属 skill;
  • 把正例、反例、验收标准、记忆和反馈链路放进 harness;
  • 系统先识别任务,再组合调用技能;专家负责策略判断与最终验收;
  • 结果、洞察过程和纠错留在系统中,供下一次复用。

已报告结果

  • 约 15 人 × 3–4 周 的 PPT 项目,变为 1 名策略师 + AI 系统,5 天一次通过;
  • 一份竞品分析与投放建议可在 不到 1 天 内交付;
  • 会议报告的服务成本相较早期方式下降 两个数量级;
  • 专业策略师仍需约 2–3 个月 学习并迁移到新工作方式,说明专家并没有被“零成本替代”。

这个案例真正验证了什么

它支持“把专家判断编码为 skill + harness,可以减少交付周期和边际人工”的判断;它不证明所有行业都能获得相同幅度,也没有披露统一口径下的错误率、模型成本和客户长期留存。因此复用时必须重新建立本团队基线,并补测质量、重试和严重错误率。

7 天落地清单

  • Day 1:选一个高频任务,收集 10–30 个真实样例和人工基线;
  • Day 2:定义输入、输出、rubric、禁区与人工审批点;
  • Day 3:拆成 3–7 个单一职责 skill;
  • Day 4:接入证据记录、日志、成本与失败分类;
  • Day 5:Shadow replay,修复最高频失败;
  • Day 6:Copilot 小流量运行,比较人工基线;
  • Day 7:决定继续、回滚或只自动化其中一段。

最终输出模板

每次工作流评审必须交付:

  1. 业务链路和自动化边界;
  2. skill 清单与输入/输出 contract;
  3. 编排图和工具权限;
  4. 评测集、基线和本次结果;
  5. 人工介入、失败恢复与回滚方案;
  6. 下一轮只改一个变量的实验计划。

Built by Gingiris. Historical figures are labeled as reported case evidence; do not present them as guaranteed outcomes.

レビュー

まだレビューはありません。使ってみた感想をお寄せください。

同じリポジトリのスキル

概要と使いどころ

Launch your AI product to global attention — the playbook behind Manus, Devin, and AFFiNE's breakout launches. Covers AI-specific GTM strategy, hype cycle management, waitlist tactics, and multi-market rollout for maximum day-one impact.

日本語の概要は準備中です。原文の説明を表示しています。

Gingiris-1031/gingiris-skills842026年10月8日 更新

First AI Product Launch — Zero to Live in 30 Days. Step-by-step guide for shipping your first AI product from idea validation to paying customers. Includes day-by-day timeline and real examples. By @WeiYipei.

日本語の概要は準備中です。原文の説明を表示しています。

Gingiris-1031/gingiris-skills842026年10月8日 更新

Beginner-friendly App Store Optimization guide covering keyword research, screenshot design, rating management, and A/B testing for iOS and Android. By @WeiYipei — practical ASO for indie developers and small teams.

日本語の概要は準備中です。原文の説明を表示しています。

Gingiris-1031/gingiris-skills842026年10月8日 更新

Complete B2B marketing pipeline combining LinkedIn content, cold email sequences, and webinar funnels. Designed for SaaS founders doing $0–$1M ARR who need predictable lead generation. By @WeiYipei.

日本語の概要は準備中です。原文の説明を表示しています。

Gingiris-1031/gingiris-skills842026年10月8日 更新

community-ambassador-playbook

無料日本語概要

You launched an ambassador program. 3 applications. One ghosted after week 2. Should you lower the bar? Offer more perks? Spam influencers? This gives you the community & ambassador operations SOP with volunteer, paid tutorial creator and code-contributor tracks — from pre-launch checklist to recruitment to tiered management to retention to governance. Built from Notion (20M users, real ambassador interviews), AFFiNE (60K stars), Asana, and ClickUp programs. By @WeiYipei. 🇨🇳 你搞了个大使计划。来了3个申请。一个第二周就消失了。该降门槛?加福利?群发KOL?这份SOP给你从启动前置条件到招募到留存到治理的完整社区/大使运营方法论。基于 Notion(2000万用户,大使真实访谈)、AFFiNE(60K stars)、Asana、ClickUp 实战案例。 🇯🇵 アンバサダープログラムを立ち上げた。応募3件。1人は2週間で消えた。基準を下げる?特典を増やす?このSOPは、事前チェックリストから採用、段階管理、リテンション、ガバナンスまでの完全なコミュニティ&アンバサダー運営フレームワークを提供します。Notion(2000万ユーザー)、AFFiNE(60K stars)の実例から構築。 🇰🇷 앰배서더 프로그램을 시작했습니다. 지원 3건. 하나는 2주 만에 사라졌습니다. 기준을 낮출까요? 이 SOP는 사전 체크리스트부터 모집, 단계별 관리, 리텐션, 거버넌스까지 완전한 커뮤니티 & 앰배서더 운영 프레임워크를 제공합니다. Notion(2000만 사용자), AFFiNE(60K stars) 실전 사례에서 구축. Triggers: "ambassador program" | "community building" | "community management" | "DevRel" | "developer relations" | "community growth" | "大使计划" | "社区运营" | "社区搭建" | "コミュニティ運営" | "アンバサダー" | "커뮤니티 운영" | "앰배서더" | "open source community" | "user retention"

Gingiris-1031/gingiris-skills842026年10月8日 更新

Build and grow developer and user communities from scratch — covering ambassador programs, community-led growth (CLG), event operations, content strategy, and health metrics. Grounded in real playbooks from Notion, Lovable, AFFiNE, ClickUp, Asana, and Lark. Use when: building a community for an open-source project, SaaS product, or brand; recruiting and managing ambassadors or community leaders; planning community events (online/offline meetups, AMAs, hackathons); designing ambassador tier/points systems; setting community health KPIs; launching a Build-in-Public strategy; setting up Discord, Slack, or Lark communities; running developer relations (DevRel); or when the user asks about community operations, ambassador programs, CLG, user advocacy, KOC/KOL cultivation, UGC flywheels, community monetization, or any variation of "how do I grow my community".

日本語の概要は準備中です。原文の説明を表示しています。

Gingiris-1031/gingiris-skills842026年10月8日 更新

Gingiris-1031 のスキルをすべて見る

このスキルの問題を報告する