Communitygithub.com

Dynamischer Workflow-Modus

Entwerfen Sie aufgabenlokale Harnesse, Evaluierungs-Gates und die Wiederverwendung von Skills für den dynamischen Workflow-Modus von Claude und andere adaptive Agenten-Harnesse. Verwenden Sie dies beim Erstellen eines aufgabenlokalen Harnesses, Hinzufügen von Evaluierungs-Gates oder Extrahieren eines wiederverwendbaren Skills aus Ad-hoc-Arbeit.

Was ist Dynamischer Workflow-Modus?

Dieser Skill definiert einen disziplinierten Ansatz für den dynamischen Workflow-Modus, der es Codierungsagenten ermöglicht, aufgabenlokale Harnesse dynamisch zu generieren oder anzupassen, anstatt nur einem statischen Befehlsablauf zu folgen. Er bietet einen Entscheidungsbaum zur Bestimmung, wann ein Inline-Befehl, ein aufgabenlokales Harness, ein gemeinsam genutzter Skill oder ein Sichtbarkeitsfenster für ein Kontrollpanel angemessen ist. Der Skill enthält eine Vorlage für aufgabenlokale Harnesse mit klaren Abschnitten für Zielsetzung, Eingaben, Schleife, Evaluierung und Übergabe, sowie Richtlinien zur Extraktion in einen gemeinsam genutzten Skill, wenn der Workflow in mehreren Sitzungen, Repos oder Teams wiederholt wird. Er betont Evaluierungs-Gates, Kontrollpanel-Checkpoints und Antimuster, um sicherzustellen, dass dynamische Workflows beobachtbar, sicher und wiederverwendbar sind, und unterstützt Plattformen wie Claude Code, Cursor und andere agentenbasierte Harnesse.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/dynamic-workflow-mode

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Dynamischer Workflow-Modus?

Verwenden Sie diesen Skill, wenn ein Codierungsagent ein aufgabenlokales Harness generieren oder anpassen kann, anstatt nur einem statischen Befehlsablauf zu folgen. Ziel ist es, den dynamischen Workflow-Modus in ein diszipliniertes System zu verwandeln: temporäre Harnesse für einmalige Arbeiten, gemeinsame Skill-Extraktion für wiederholte Arbeiten und beobachtbare Kontrollpanel-Checkpoints für Teams.

Wann Aktivieren

  • Der Benutzer erwähnt dynamische Workflows, benutzerdefinierte Harnesse, Harness-pro-Aufgabe, adaptive Workflows oder den Claude Code dynamischen Workflow-Modus.
  • Eine Aufgabe benötigt eine benutzerdefinierte Schleife, Evaluator, Crawler, Fixture-Generator, Watcher oder ein lokales Dashboard.
  • Mehrere Agenten benötigen denselben wiederholbaren Prozess, der jedoch noch nicht als gemeinsamer Skill erfasst ist.
  • Ein Workflow benötigt dauerhafte Übergabeartefakte, Evaluierungsnachweise oder eine Betreiberfreigabe vor dem Merge.

Kernvertrag

Der dynamische Workflow-Modus sollte ein aufgabenlokales Harness nur dann produzieren, wenn das Harness billiger und sicherer ist als die manuelle Durchführung derselben Schritte. Das Harness muss Folgendes haben:

  • Zielsetzung: das Ergebnis, das es besitzt, und das Ergebnis, das es explizit nicht besitzt.
  • Eingaben: Dateien, URLs, Prompts, Datenquellen, Richtlinien für Anmeldeinformationen und benutzerdefinierte Einschränkungen.
  • Ausgaben: Commits, Berichte, Screenshots, Statusdateien oder Kontrollpanel-Snapshots.
  • Evaluierung: mindestens eine Bestanden/Nicht bestanden-Prüfung, die an die Aufgabe gebunden ist, nicht nur „es lief“.
  • Übergabe: ein kurzes Artefakt, das dem nächsten Betreiber mitteilt, was passiert ist, was blockiert ist und wie fortgesetzt werden kann.

Entscheidungsbaum für Dynamische Harnesse

  1. Einmalige Aufgabe: lassen Sie es inline. Erfinden Sie kein Harness.
  2. Wiederholte Aufgabe mit wechselnden Eingaben: erstellen Sie ein aufgabenlokales Harness und bewahren Sie es in einem temporären oder projektlokalen Arbeitsbereich auf.
  3. Wiederholte Aufgabe über Teamkollegen oder Repos hinweg: extrahieren Sie das Muster in einen gemeinsamen Skill.
  4. Aufgabe mit externem Zustand, Warteschlangen oder Freigaben: fügen Sie Sichtbarkeit des Kontrollpanels hinzu, bevor Sie mehr Automatisierung hinzufügen.
  5. Aufgabe mit Sicherheitsrisiko: fügen Sie ein Evaluierungs-Gate und ein menschliches Merge-Gate vor der autonomen Ausführung hinzu.

Vorlage für Aufgabenlokale Harnesse

Verwenden Sie diese Struktur, bevor Sie Code schreiben:

# Dynamisches Workflow-Harness

Zielsetzung:
- Ausliefern:
- Nicht ausliefern:

Eingaben:
- Repo oder Arbeitsbereich:
- Externe Systeme:
- Richtlinie für Anmeldeinformationen:

Schleife:
1. Aktuellen Zustand ermitteln.
2. Das kleinste nützliche Artefakt generieren oder aktualisieren.
3. Evaluierungsprüfungen durchführen.
4. Status und Übergabe aufzeichnen.
5. Bei fehlgeschlagenem Gate, unklarem Eigentum oder unsicherer externer Aktion anhalten.

Evaluierung:
- Befehl:
- Erwartetes Bestehen-Signal:
- Eigentümer des Fehlschlags:

Übergabe:
- Status:
- Nachweise:
- Nächste Aktion:

Extraktion Gemeinsamer Skills

Befördern Sie ein aufgabenlokales Harness nur dann zu einem gemeinsamen Skill, wenn mindestens zwei der folgenden Punkte zutreffen:

  • Derselbe Workflow tritt in mehreren Sitzungen, Repos, Teams oder Starts auf.
  • Der Workflow benötigt eine bestimmte Sprach-, Tool- oder Sicherheitssequenzierung.
  • Fehler wiederholen sich, weil Betreiber ein Gate überspringen oder den Kontext verlieren.
  • Der Workflow hat einen stabilen Eingabe-/Ausgabevertrag.
  • Der Workflow profitiert von einem Kontrollpanel, Statusboard oder Team-Übergabe.

Fügen Sie beim Extrahieren zuerst den Skill in skills/<name>/SKILL.md ein. Fügen Sie Befehlshülsen nur hinzu, wenn eine alte Schrägstrich-Eingabeoberfläche noch erforderlich ist.

Kontrollpanel-Checkpoints

Der dynamische Workflow-Modus wird teamnutzbar, wenn er den Zustand offenlegt. Zeichnen Sie diese Checkpoints immer dann auf, wenn der Workflow mehr als eine Sitzung umfasst:

  • Plan: Zielsetzung, Eigentümer, Abnahmekriterien und riskante externe Systeme.
  • Warteschlange: Arbeitselemente, zugewiesene Agentenrolle, Branch/Worktree und Abhängigkeitskanten.
  • Ausführung: aktives Harness, aktueller Schleifenschritt, letztes Evaluierungsergebnis und Token-/Kostensignal, falls verfügbar.
  • Gate: Testergebnisse, Browser-Screenshots, Sicherheitsüberprüfung und Merge-Bereitschaft.
  • Übergabe: was erledigt ist, was fehlgeschlagen ist, was eine menschliche Entscheidung erfordert.

Wenn das Repo den ECC2-Status aktiviert hat, bevorzugen Sie das Hinzufügen oder Lesen von Checkpoints über das ECC-Kontrollpanel oder statusstore-gestützte Skripte, anstatt unverfolgte Notizen zu verstreuen.

Evaluierungs-Gates

Jedes dynamische Harness benötigt eine aufgabenspezifische Evaluierung. Wählen Sie das billigste zuverlässige Gate:

ArbeitstypEvaluierungs-Gate
Code-FunktionFokussierter Test, Lint, Abdeckung und ein Integrationspfad
Benutzeroberfläche/KontrollpanelBrowser-Smoke mit Screenshot sowie Overflow- und Fehlerprüfungen
Agenten-WorkflowFixture-Transkript oder gesäter Arbeitselement mit erwartetem Routing
Forschung/Inhaltquellenneutrales Kurzbrief, Anspruchs-Checkliste und veröffentlichungsbereite Gliederung
IntegrationTrockenlaufbefehl, Konfigurationsvalidierung und kein-Geheimnis-Scan

Behaupten Sie nicht, dass ein dynamischer Workflow wiederverwendbar ist, bis die Evaluierung von einem anderen Teamkollegen erneut ausgeführt werden kann.

Antimuster

  • Skripte generieren, die die eigentliche Entscheidungslogik vor dem Betreiber verbergen.
  • Den dynamischen Workflow-Modus als Erlaubnis behandeln, Tests zu überspringen.
  • Einmalige Dokumente erstellen, wenn ein gemeinsamer Skill oder ein Statusartefakt das eigentliche Produkt ist.
  • Mehrere Agenten ohne Eigentum, Merge-Gate oder Konfliktrichtlinie ausführen.
  • Rohe private Forschungsdaten in öffentliche Dokumente gelangen lassen.

Ausgabestandard

Beenden Sie mit:

  • Dem Pfad des Harnesses oder Skills.
  • Den Evaluierungsbefehlen und -ergebnissen.
  • Dem Pfad des Kontrollpanels oder Übergabeartefakts.
  • Dem nächsten Kandidaten für die Wiederverwendungsextraktion.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Verwandte Skills