工作流执行器：在 AI 工具内运行多角色编排
直接在当前会话中执行 agency-orchestrator 的 YAML 工作流，无需配置 API key。当前 LLM 就是执行引擎——依次扮演每个角色完成任务。
适用场景
- 用户提供了一个
.yaml工作流文件（如运行 workflows/story-creation.yaml） - 用户要求多个角色协作完成任务（如"用产品经理和架构师一起评审这个 PRD"）
- 用户安装了
agency-agents-zh并希望直接在 AI 工具内编排多角色
执行流程（5 步）
按以下顺序执行，不要跳步：
第 1 步：解析工作流
用 Read 工具读取用户指定的 YAML 文件，提取以下字段：
name: "工作流名称"
agents_dir: "agency-agents-zh" # 角色定义目录
inputs: # 输入变量
- name: xxx
required: true/false
default: "默认值"
steps: # 执行步骤
- id: step_id
role: "category/agent-name" # 角色路径
task: "任务描述 {{变量}}" # 支持模板变量
output: variable_name # 输出变量名
depends_on: [other_step_id] # 依赖关系忽略 llm、concurrency、timeout、retry 配置——Skill 模式使用当前会话的 LLM，这些字段仅用于 CLI 模式。
定位角色目录：用 Bash test -d 按以下顺序检查，用第一个存在的：
- 当前工作目录下的
{agents_dir}/（如./agency-agents-zh/） ../{agents_dir}/（上级目录）- 相对于 YAML 文件所在目录的
{agents_dir}/ node_modules/agency-agents-zh/
如果全部找不到，停止执行并提示用户：
找不到角色目录。请先安装：
git clone --depth 1 https://github.com/jnMetaCode/agency-agents-zh.git
或：npm install agency-agents-zh第 2 步：收集输入
- 对每个
required: true的输入，检查用户消息中是否已提供值 - 未提供的必填输入：立即向用户询问，不要猜测或用空值
- 有
default的可选输入：使用默认值 - 无默认值的可选输入：设为空字符串
第 3 步：构建执行顺序
根据 depends_on 进行拓扑排序，将步骤分成多个层级：
- 无 depends_on 的步骤 → 第 1 层
- depends_on 全部在第 N 层或之前的步骤 → 第 N+1 层
- 同一层内的步骤互不依赖，可并行
在回复中展示执行计划：
执行计划（共 N 步）：
第 1 层: [step_id] — 角色名
第 2 层: [step_a, step_b] — 并行
第 3 层: [step_id] — 角色名第 4 步：逐层执行
对每一层：
4a. 预读角色文件
用 Read 工具读取该层所有步骤的角色 .md 文件：{角色目录}/{role}.md
从文件中提取：
- 角色名：frontmatter 中的
name字段 - 角色 system prompt：第二个
---之后的全部 markdown 内容
4b. 渲染 task 模板
将 task 中的 {{变量名}} 替换为：
- 来自 inputs 的用户输入值
- 来自前序步骤 output 的结果文本
4c. 执行
单步骤层：直接在主会话中扮演该角色执行。格式：
### Step N/Total: step_id（角色名）
[以该角色身份完成 task，使用角色的专业知识和沟通风格]多步骤层（并行）：使用 Agent 工具为每个步骤启动子代理。每个子代理的 prompt 必须包含：
- 角色文件的完整文本内容（不是路径——子代理可能无法读文件）
- 渲染后的 task 文本
- 指令："以上是你的角色定义，请以该角色身份完成以下任务，直接输出结果"
4d. 保存输出到上下文
如果 step 有 output 字段，将该步骤的输出文本存入变量上下文，供后续步骤的 {{变量}} 使用。
第 5 步：保存结果并展示
用 Write 工具将结果保存到文件：
.ao-output/{工作流名称}-{YYYY-MM-DD}/
├── steps/
│ ├── 1-{step_id}.md # 每步的输出
│ ├── 2-{step_id}.md
│ └── ...
├── summary.md # 最后一步的完整输出（最终成果）
└── metadata.json # 基本元数据metadata.json 格式：
{
"name": "工作流名称",
"date": "2026-03-22",
"success": true,
"steps": [
{"id": "step_id", "role": "category/agent", "status": "completed"},
...
]
}执行完毕后，向用户展示：
- 最终成果（summary.md 的内容）
- 文件保存位置
- 执行了几个步骤
重要规则
<HARD-GATE>
- 每个步骤都必须真正扮演对应角色，使用该角色的专业知识和沟通风格，不能泛泛回答
- 角色切换必须明确——每步开始时标注角色名
- 不要跳过步骤或合并步骤，严格按 DAG 层级顺序执行
- 如果角色文件找不到，告知用户并建议安装 agency-agents-zh
- 不要在没有读取角色 .md 文件的情况下执行步骤——必须先 Read 再执行
</HARD-GATE>
没有 YAML 文件时的快捷模式
如果用户没有指定 YAML 文件，但描述了需要多角色协作的任务：
- 根据用户描述，自动生成 YAML 工作流定义
- 展示给用户确认
- 确认后按上述流程执行
示例：
- 用户说"帮我用叙事学家和心理学家写个故事" → 生成 story-creation 类似的工作流
- 用户说"让产品经理和架构师评审这个 PRD" → 生成 product-review 类似的工作流
故障处理
- 角色文件不存在：提示用户运行
ao init或npm install agency-agents-zh - 模板变量未定义：检查上下文，如果是必填输入则向用户询问
- 步骤执行失败：标记该步骤为失败，跳过所有依赖它的下游步骤，继续执行其他独立步骤
