os-workflow

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）

调用 Workflow 前用 task_create 把这次工作方向登记上墙并置 running（§2 的回写指令要把它的 id 插进每个 agent 的 prompt，事后补建来不及），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

不传 model 即继承主会话模型，所以每个 agent() 都显式写 model（层级别名如 'opus'、'fable'，浮动到最新，不写死型号）。选哪一档按使用者自己的派工策略（写在项目 CLAUDE.md 或用户规则里），本技能不预设档位。

• 每处 model: 'fable' 调用须配一条 // fable 理由: … 行注释；Agent 工具派工则在 prompt 首行写 [fable 理由: …]。S6 派工门禁（PreToolUse 机检）：缺省 model 直接拦，fable 无理由拦。

// 每个 stage 显式写 model；用 fable 的那处配一条理由注释
const found = await parallel(ITEMS.map(x => () =>
  agent(findPrompt(x) + WRITEBACK, { model: 'opus', schema: FINDINGS })))
// fable 理由: <这一步为什么要用这一档>
const verdict = await agent(judgePrompt(found) + WRITEBACK,
  { model: 'fable', effort: 'xhigh', schema: VERDICT })

注：effort 与档位同按使用者自己的派工策略设（agent() 的 effort?: 'low'|'medium'|'high'|'xhigh'|'max'，省略即继承会话档位），S6 不校验 effort。模型档位则是硬约束：S6 对缺省 model、fable 无理由一律 exit(2) 拦下（见上一条）。

3.1 用量七规则（2026-09-05 用户裁定）

实证（0905 单日）：133 个 agent 产出 274 万 token 却读了 2.02 亿缓存（74:1）——钱花在重复读同一批全文上，不是花在干活上。