⚡

ADW设计Skill adw-design

ADW设计是创建AI开发者工作流的技能，结合确定性代码和非确定性代理，用于构建自动化开发管道、设计AFK代理系统、实施PITER框架等。关键词：AI工作流，代理开发，自动化管道，ADW设计，AI代理。

AI智能体 0 次安装 0 次浏览 更新于 3/11/2026

名称: adw-design 描述: 指导创建AI开发者工作流（ADWs），结合确定性编排代码与非确定性代理。用于构建自动化开发管道、设计AFK代理系统或实施PITER框架时。 允许工具: 读取、grep、glob

ADW 设计

创建AI开发者工作流的指南 - 可复用的代理工作流，结合确定性代码与非确定性代理。

何时使用

  • 构建自动化开发管道
  • 设计AFK（离开键盘）代理系统
  • 实施PITER框架
  • 创建微代理架构
  • 设置GitHub问题→PR自动化

什么是ADW？

ADW是代理编码的最高组合层次：

ADW = 编排器 + 微代理 + 触发器 + 可观测性

组件：

  1. 编排器 - 协调工作流的Python/TypeScript代码
  2. 微代理 - 具有单一职责的专业化Claude Code调用
  3. 触发器 - Webhooks、cron或手动调用
  4. 可观测性 - 日志记录、问题评论、跟踪

ADW设计流程

步骤 1: 定义工作流

映射阶段：

输入 → 分类 → 分支 → 规划 → 实施 → 审查

需要回答的问题：

  • 输入源是什么？（GitHub问题、Notion、Slack）
  • 有哪些阶段？（分类、规划、实施、审查）
  • 输出是什么？（PR、部署、报告）

步骤 2: 设计微代理

为每个阶段定义一个专业代理：

阶段 代理 职责 模型
分类 issue_classifier 确定工作类型 Haiku
分支 branch_generator 创建分支名称 Haiku
规划 sdlc_planner 生成实施计划 Sonnet
构建 sdlc_implementer 实施解决方案 Sonnet
提交 committer 创建语义提交 Haiku
PR pr_creator 创建拉取请求 Haiku

步骤 3: 创建模板

每个代理需要一个斜杠命令：

  • /classify-issue - 分类问题类型
  • /generate-branch-name - 创建分支名称
  • /chore, /bug, /feature - 生成计划
  • /implement - 执行计划
  • /commit-with-agent - 创建提交
  • /pull-request - 创建PR

步骤 4: 构建编排器

编排器协调所有内容：

# 伪代码结构
def run_adw(issue_number, adw_id):
    issue = fetch_issue(issue_number)
    issue_type = execute_agent("classifier", issue)
    branch = execute_agent("branch_generator", issue)
    plan = execute_agent("planner", issue_type, issue)
    execute_agent("implementer", plan)
    execute_agent("pr_creator", branch, issue, plan)

步骤 5: 添加可观测性

跟踪所有内容：

  • ADW ID: 用于相关性的8字符UUID
  • 问题评论: 进度更新
  • 日志: 每个代理的结构化输出
  • 指标: 成功率、持续时间

ADW目录结构

adws/
├── main_workflow.py       # 主编排器
├── agent.py               # Claude Code集成
├── data_types.py          # 类型定义
├── github.py              # GitHub操作
├── trigger_cron.py        # Cron触发器
├── trigger_webhook.py     # Webhook触发器
├── health_check.py        # 环境验证
└── README.md              # 文档

模型选择策略

匹配模型到任务：

任务复杂性 模型 示例
简单决策 Haiku 分类、分支命名
格式化 Haiku 提交消息、PR正文
推理 Sonnet 计划生成
复杂编码 Sonnet/Opus 实施

ADW质量检查清单

部署前：

  • [ ] 每个代理有单一职责
  • [ ] 模型选择匹配任务复杂性
  • [ ] ADW ID跟踪已实施
  • [ ] 每个阶段发布问题评论
  • [ ] 错误处理有意义的消息
  • [ ] 日志捕获所有代理输出
  • [ ] 健康检查验证环境
  • [ ] 模板独立测试
  • [ ] 端到端工作流测试

常见模式

代理执行器模式

def execute_agent(agent_name, *args):
    prompt = build_prompt(agent_name, args)
    result = subprocess.run([
        "claude", "-p", prompt,
        "--model", get_model(agent_name),
        "--output-format", "stream-json"
    ])
    log_result(agent_name, result)
    return parse_result(result)

问题评论模式

def update_issue(issue_number, adw_id, agent_name, message):
    comment = f"[{adw_id}_{agent_name}] {message}"
    gh_issue_comment(issue_number, comment)

错误处理模式

def check_error(result, phase):
    if not result.success:
        update_issue(issue, adw_id, phase, f"ERROR: {result.error}")
        sys.exit(1)

应避免的反模式

单体代理

坏: 一个代理做所有事

好: 具有单一职责的微代理

缺乏可观测性

坏: 无日志记录、无问题评论

好: ADW ID跟踪、结构化日志、进度评论

错误的模型选择

坏: 使用Opus进行分支命名

好: 匹配模型到任务复杂性

无错误处理

坏: 静默失败

好: 错误评论、优雅降级

相关记忆文件

  • @piter-framework.md - AFK代理的PITER元素
  • @adw-anatomy.md - ADW结构和模式
  • @outloop-checklist.md - 部署准备就绪
  • @inloop-vs-outloop.md - 何时使用ADW

版本历史

  • v1.0.0 (2025-12-26): 初始发布

最后更新

日期: 2025-12-26 模型: claude-opus-4-5-20251101