/os-workflow
在 AI Team OS 项目里使用 CC 内置 Workflow(ultracode)时,让工作流产出回写 OS 的标准做法。当 Leader 准备调用 Workflow 工具编排子 agent 时使用。
$ npx -y skills add CronusL-1141/AI-company --skill os-workflow --agent claude-codeHow it fires
How this skill gets triggered: by you, by Claude, or both.
- Fires itselfAuto-invocation. Claude auto-loads it when your prompt matches the work.Auto-invocation is when the right skill fires by itself at the right moment, driven by a FLOW.md router and a hook, instead of you invoking it by name. It is the difference between a skill being installed and a skill actually getting used.Read the full definition →
- You can call itInvoke it directly when you want it.
- Slash command
/os-workflow
Context preview
The summary Claude sees to decide when to auto-load this skill.
在 AI Team OS 项目里使用 CC 内置 Workflow(ultracode)时,让工作流产出回写 OS 的标准做法。当 Leader 准备调用 Workflow 工具编排子 agent 时使用。
SKILL.md
os-workflow.SKILL.mdname: os-workflow
description: 在 AI Team OS 项目里使用 CC 内置 Workflow(ultracode)时,让工作流产出回写 OS 的标准做法。当 Leader 准备调用 Workflow 工具编排子 agent 时使用。
OS Workflow — 用 CC 工作流,但让产出回流 OS
背景
调用 Workflow 后,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)。追踪是自动的,但**工作内容不会自己入库**——下面两件事必须你做。
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
// 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 })3. 模型档位纪律(用户裁定)
两档制:**Fable = 编排层**(统筹/架构裁决/终审),**Opus = 执行层**(一切 worker)。 不传 model 即继承主会话模型,所以在 Fable 会话里裸派会整场按 Fable 价率烧:
- 每个 `agent()` **默认显式带 `model: 'opus'`**(层级别名,浮动到最新 Opus,不写死型号);
- 仅**终审/对抗裁决/最高难度修复**的 stage 用 `model: 'fable'`(通常配 `effort: 'xhigh'`)。
// 典型分层:执行 stage 全 opus,终审 stage 才 fable
const found = await parallel(ITEMS.map(x => () =>
agent(findPrompt(x) + WRITEBACK, { model: 'opus', schema: FINDINGS })))
const verdict = await agent(judgePrompt(found) + WRITEBACK,
{ model: 'fable', effort: 'xhigh', schema: VERDICT })注:effort 由脚本作者按需自选,治理层不设档位制度;本纪律只软约束,无 hook 硬拦。
4. 结构化输出体量纪律(两次生产实锤)
给 agent 配 `schema` 时,prompt 里必须写**显式体量硬约束**(每字段字符上限、条目数上限、"宁可精炼不可超限")——只靠 schema 的 `maxLength` 拦不住:agent 超限会陷入 StructuredOutput 重试循环,耗尽重试上限(5)后整路阵亡返回 `null`。
- schema 的 `maxLength` 给出安全余量;长文本产出改让 agent 直接 Write 文件,结构化输出只返摘要与路径。
- 某一路阵亡后用 resume 修复:只改失败路的 prompt,其余路 `(prompt, opts)` 不动,走缓存零成本重放。
0. 先确认 ultracode 已开启
ultracode 不是常驻模式,需用户手动开启:
- 会话未开启 → **先提示用户开启**,再调 Workflow;已开启(有 system-reminder 确认)→ 直接编排。
- 生态调研的产物必须回写 ecosystem 表(`ecosystem_apply_shallow_summary` /
`ecosystem_apply_quality_review`),否则台账与 `/ecosystem` 页面看不到。
要点
- 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。
Read more
name: os-workflow description: 在 AI Team OS 项目里使用 CC 内置 Workflow(ultracode)时,让工作流产出回写 OS 的标准做法。当 Leader 准备调用 Workflow 工具编排子 agent 时使用。
OS Workflow — 用 CC 工作流,但让产出回流 OS
背景
调用 Workflow 后,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)。追踪是自动的,但**工作内容不会自己入库**——下面两件事必须你做。
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
// 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 })3. 模型档位纪律(用户裁定)
两档制:**Fable = 编排层**(统筹/架构裁决/终审),**Opus = 执行层**(一切 worker)。 不传 model 即继承主会话模型,所以在 Fable 会话里裸派会整场按 Fable 价率烧:
- 每个 `agent()` **默认显式带 `model: 'opus'`**(层级别名,浮动到最新 Opus,不写死型号);
- 仅**终审/对抗裁决/最高难度修复**的 stage 用 `model: 'fable'`(通常配 `effort: 'xhigh'`)。
// 典型分层:执行 stage 全 opus,终审 stage 才 fable
const found = await parallel(ITEMS.map(x => () =>
agent(findPrompt(x) + WRITEBACK, { model: 'opus', schema: FINDINGS })))
const verdict = await agent(judgePrompt(found) + WRITEBACK,
{ model: 'fable', effort: 'xhigh', schema: VERDICT })注:effort 由脚本作者按需自选,治理层不设档位制度;本纪律只软约束,无 hook 硬拦。
4. 结构化输出体量纪律(两次生产实锤)
给 agent 配 `schema` 时,prompt 里必须写**显式体量硬约束**(每字段字符上限、条目数上限、"宁可精炼不可超限")——只靠 schema 的 `maxLength` 拦不住:agent 超限会陷入 StructuredOutput 重试循环,耗尽重试上限(5)后整路阵亡返回 `null`。
- schema 的 `maxLength` 给出安全余量;长文本产出改让 agent 直接 Write 文件,结构化输出只返摘要与路径。
- 某一路阵亡后用 resume 修复:只改失败路的 prompt,其余路 `(prompt, opts)` 不动,走缓存零成本重放。
0. 先确认 ultracode 已开启
ultracode 不是常驻模式,需用户手动开启:
- 会话未开启 → **先提示用户开启**,再调 Workflow;已开启(有 system-reminder 确认)→ 直接编排。
- 生态调研的产物必须回写 ecosystem 表(`ecosystem_apply_shallow_summary` /
`ecosystem_apply_quality_review`),否则台账与 `/ecosystem` 页面看不到。
要点
- 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。
Multi-agent team operating system for Claude Code. 108 MCP tools, 40+ agent templates, 10 lifecycle hooks, 7 pipeline workflows. Persistent teams, structured meetings, task wall, real-time React dashboard. No LangChain/AutoGen — pure CC native integration.
Repo: CronusL-1141/AI-company
Other skills on ai-company.
- /meeting-facilitate
组织多 Agent 会议全生命周期——创建会议、spawn 真实参与者、推进轮次、签到校验、结束汇总。当需要多方协作做决策、评审方案、辩论分歧、复盘项目、头脑风暴或方案评估时使用本技能。
Open skill - /meeting-participate
Participate in AI Team OS meetings with structured discussion rounds
Open skill - /os-release
发布 AI Team OS 新版本的完整清单——预检、版本七处锁步、中英双语 CHANGELOG、双份 dist 构建、私有术语扫描、commit/tag、双仓推送、建 GitHub Release 条目并核对 latest 徽章、事后核对。当准备发版、补建漏掉的 Release 条目、或核对已发版本的线上状态时使用。
Open skill

