---
slug: workflow-decomposer
name: workflow-decomposer
version: "1.0.0"
displayName: Workflow Decomposer
summary: 工作流任务拆解与模型编排技能。使用场景：(1) 收到复杂工作任务需要拆解为可执行步骤，(2) 需要为不同步骤选择最合适的模型，(3) 需要跟踪工作流进度和模型使用情况，(4)
  长时间任务卡住需要...
license: MIT
description: |-
  工作流任务拆解与模型编排技能。使用场景：(1) 收到复杂工作任务需要拆解为可执行步骤，(2) 需要为不同步骤选择最合适的模型，(3) 需要跟踪工作流进度和模型使用情况，(4)
  长时间任务卡住需要。Use when 需要项目管理、任务规划、进度跟踪、团队协作时使用。不适用于实际人员绩效评估。适用于独立开发者、企业团队和自动化工作流场景。
tags:
- Automation
tools:
  - - read
- exec
pricing_tier: "L4"
pricing_model: "monthly"
suggested_price: 99.9
---


# Workflow Decomposer

## 核心功能

本技能负责将复杂工作任务拆解为详细、可执行的步骤，并为每个步骤选择最合适的模型进行执行。

## 模型选择策略

### 推理模型优先级

1. **首选**: 当前可用的最强推理模型
2. **次选**: 如果有多个强推理模型，优先使用最新模型
3. **再次**: 如果仍有多个，优先使用阿里系模型 (Qwen 系列)
4. **最后**: 任意选择一个

### 模型输出要求

每次任务拆解后必须输出:

1. **任务拆解使用的模型**: 明确告知使用的是哪个模型
2. **当前工作流进度**: 清晰标识进行到了哪一步 (如: 步骤 2/8)
3. **当前步骤使用的模型**: 说明该步骤由哪个模型执行

## 任务拆解流程

### 步骤 1: 接收任务

* 理解用户的核心需求
* 识别任务的复杂度和范围

### 步骤 2: 任务分析

* 分析任务需要的技能类型 (编码、写作、分析、创作等)
* 识别潜在的依赖关系和前置条件

### 步骤 3: 步骤拆解

* 将任务拆解为详细、可执行的子步骤
* 确保每个步骤都是可实现的，不胡编乱造
* 为每个步骤估算所需时间和复杂度

### 步骤 4: 模型匹配

* 根据每个步骤的特性选择最合适的模型
* 考虑因素: 模型专长、上下文长度、推理能力、速度

### 步骤 5: 执行与跟踪

* 按顺序执行每个步骤
* 跟踪进度并记录使用的模型
* 生成适合当前模型理解的内容格式

### 步骤 6: 问题处理

* 如果某步骤卡住超过合理时间，诊断问题
* 提供问题分析和至少 2 个解决方案
* 必要时调整后续步骤

## 输出格式模板

```markdown
## 📋 任务拆解报告

**拆解模型**: [模型名称]
**任务**: [任务简述]
**总步骤数**: N

### 步骤概览
| 步骤 | 内容 | 使用模型 | 状态 |
|------|------|----------|------|
| 1/5 | [步骤描述] | [模型名] | ✅/⏳/❌ |
| 2/5 | [步骤描述] | [模型名] | ✅/⏳/❌ |
...

### 当前进度
**进行到**: 步骤 X/N
**当前步骤**: [详细描述]
**使用模型**: [模型名]
**预计耗时**: [时间]

### 步骤详情

#### 步骤 X: [步骤名称]
**目标**: [要完成什么]
**输入**: [需要什么信息/文件]
**输出**: [产生什么结果]
**模型提示**: [为该模型优化的执行指令]
```

## 问题诊断与解决

当工作流卡在某一步时:

1. **识别问题类型**:

   * 模型理解错误
   * 工具/资源不可用
   * 依赖缺失
   * 超时/性能问题
2. **提供解决方案**:

   * 方案 A: [直接解决方法]
   * 方案 B: [替代路径]
   * 方案 C: [降级方案]
3. **记录与学习**:

   * 记录问题原因
   * 更新后续步骤的预防措施

## 模型内容优化

为不同模型生成适合其理解的内容:

* **强推理模型**: 提供详细逻辑链和推理步骤
* **快速模型**: 提供清晰、简洁的指令
* **代码模型**: 提供明确的输入输出格式
* **创作模型**: 提供风格参考和约束条件

## 示例

### 示例 1: 开发任务

```text
用户: 帮我创建一个待办事项 Web 应用

拆解后:
- 步骤 1/6: 需求分析 (Qwen3.5-Plus)
- 步骤 2/6: 技术栈选择 (Qwen3.5-Plus)
- 步骤 3/6: 项目结构创建 (Claude Code)
- 步骤 4/6: 前端开发 (Claude Code)
- 步骤 5/6: 后端开发 (Claude Code)
- 步骤 6/6: 测试与部署 (Qwen3.5-Plus)
```

### 示例 2: 分析任务

```text
用户: 分析这个项目的代码质量

拆解后:
- 步骤 1/4: 代码库扫描 (Qwen3.5-Plus)
- 步骤 2/4: 静态分析 (专用工具)
- 步骤 3/4: 问题分类 (Qwen3.5-Plus)
- 步骤 4/4: 报告生成 (Qwen3.5-Plus)
```

## 注意事项

1. **步骤粒度**: 每个步骤应该在 5-30 分钟内可完成
2. **依赖检查**: 确保前置步骤完成后才能执行后续步骤
3. **灵活调整**: 根据实际情况动态调整步骤和模型选择
4. **透明沟通**: 始终让用户知道当前进度和使用的模型

## 相关文件

* `references/model-capabilities.md` - 各模型能力对比
* `references/workflow-templates.md` - 常见工作流模板
* `scripts/progress-tracker.py` - 进度跟踪脚本 (可选)

## 依赖说明

### 运行环境
- **Agent平台**: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
- **操作系统**: Windows / macOS / Linux

### 依赖说明
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|:-------|:-----|:---------|:---------|
| LLM API | API | 必需 | 由Agent内置LLM提供 |

### API Key 配置
- 本Skill基于Markdown指令,无需额外API Key(除内容中明确标注的外部API)

### 可用性分类
- **分类**: MD+EXEC(纯Markdown指令,部分功能需要exec命令行执行能力)
- **说明**: 基于Markdown的AI Skill,通过自然语言指令驱动Agent执行任务

## 适用场景

| 场景 | 输入 | 输出 |
|------|------|------|
| 基础使用 | 用户请求 | 处理结果 |

**不适用于**：需要人工判断的复杂决策场景

## 使用流程

1. 确认运行环境满足依赖说明中的要求
2. 根据适用场景选择合适的使用方式
3. 执行操作并检查输出结果
4. 如遇错误，参考错误处理章节

## 错误处理

| 错误场景 | 原因 | 处理方式 |
|---------|------|---------|
| 配置错误 | 参数缺失或格式错误 | 检查依赖说明中的配置要求 |
| 运行时错误 | 运行环境不满足 | 确认运行环境符合依赖说明 |
| 网络错误 | 连接超时或不可达 | 检查网络连接后重试，参考国内替代方案 |

## 常见问题

### Q1: 如何开始使用Workflow Decomposer？
A: 请先阅读使用流程章节，确认环境满足依赖说明中的要求。

### Q2: 遇到错误怎么办？
A: 请参考错误处理章节，按照表格中的处理方式操作。

### Q3: Workflow Decomposer有什么限制？
A: 请参考已知限制章节了解具体限制。