Update agent-workflow-playbook from Gingiris evidence audit

skills/agent-workflow-playbook/.clawhub/origin.json

@@ -0,0 +1,7 @@
+{
+  "version": 1,
+  "registry": "https://clawhub.ai",
+  "slug": "agent-workflow-playbook",
+  "installedVersion": "1.1.2",
+  "installedAt": 1781587149320
+}

skills/agent-workflow-playbook/SKILL.md

@@ -0,0 +1,180 @@
+---
+name: agent-workflow-playbook
+description: |
+  AI Agent Workflow & Skill Architecture Guide — turn expert work into measurable, reusable agent systems. Covers workflow discovery, skill decomposition, harness design, evaluation, human escalation, observability, cost control, and multi-agent orchestration. Includes a measured marketing-delivery case: 15 people × 3–4 weeks reduced to one strategist + AI in 5 days. By Gingiris.
+source: https://github.com/Gingiris-1031/gingiris-skills/tree/main/skills/agent-workflow-playbook
+tags:
+  - agent-workflow
+  - ai-agent
+  - multi-agent
+  - plugin-marketplace
+  - workflow-automation
+  - evaluation
+  - human-in-the-loop
+  - agent-orchestration
+  - skill-architecture
+  - latest
+---
+
+# AI Agent Workflow Playbook — 从专家经验到可规模化交付
+
+> 适用于：把研究、营销、运营、分析、内容生产等高认知任务，改造成可测量、可纠错、可复用的 Agent 工作流。
+
+## 先判断：这个任务该不该 Agent 化
+
+只有同时满足以下多数条件才进入自动化：
+
+- 输入和合格输出可以被描述；
+- 专家能说清“什么是对、什么是错”；
+- 任务重复发生，或交付成本随客户数近似线性增长；
+- 关键数据能合法、稳定取得；
+- 错误可以在发布、付款、删除或对外发送前被拦截；
+- 结果能通过 rubric、样例集或业务指标复核。
+
+如果任务低频、目标持续变化、没有验收口径，先做人工 SOP，不要先搭多 Agent。
+
+## 1. 建立基线，不要直接写 Prompt
+
+选择 10–30 个近期真实任务，记录人工基线：
+
+| 指标 | 定义 |
+|---|---|
+| 任务成功率 | 首次交付通过验收的任务数 / 总任务数 |
+| 一次通过率 | 无返工即通过的任务数 / 总任务数 |
+| 周期 | 从收到完整输入到可交付输出的 elapsed time |
+| 人工工时 | 研究、制作、复核、返工所花人时 |
+| 单次成本 | 模型、工具、数据和人工复核成本之和 |
+| 重试率 | 发生工具重试或整段重做的任务占比 |
+| 严重错误率 | 错误发布、错误付款、数据泄露等高风险事件占比 |
+
+没有这张基线表，就只能证明 Agent “能跑”，不能证明工作流变好了。
+
+## 2. 从业务链路拆 Skill
+
+先画业务链路，再按可验收结果拆 skill：
+
+```text
+需求澄清 → 数据获取 → 证据整理 → 分析 → 产出 → 质检 → 人工批准 → 交付 → 反馈沉淀
+```
+
+每个 skill 至少包含：
+
+```yaml
+name: competitor-evidence-pack
+input_contract:
+  required: [product, market, competitors, time_window]
+output_contract:
+  required: [claims, source_urls, captured_at, confidence, unknowns]
+tools:
+  allow: [search, fetch]
+  deny: [publish, delete, payment]
+acceptance:
+  - every material claim has a source
+  - source capture time is recorded
+  - unknown facts are labeled, not guessed
+escalate_when:
+  - authenticated source is inaccessible
+  - sources conflict on a decision-critical fact
+```
+
+优先做单一职责 skill。只有当步骤间存在清晰依赖时，才增加 orchestrator。
+
+## 3. Harness：让系统知道边界、记住纠错、持续评测
+
+Prompt 只描述一次交互；harness 管理长期运行环境。至少包含五层：
+
+1. **Context**：品牌、客户、目标、禁区和数据权限；
+2. **Skills**：通用技能与客户专属技能分离，按任务选择调用；
+3. **Memory**：只沉淀经过确认的偏好、错误和纠正，不把猜测写成事实；
+4. **Evaluation**：固定样例集、rubric、回归测试和业务指标；
+5. **Observability**：每步输入摘要、工具调用、证据、成本、耗时、重试和最终批准人。
+
+一次失败的正确处理方式不是无限加提示词，而是：记录失败类型 → 判断是数据、工具、推理还是验收问题 → 修改对应层 → 用旧样例集回归。
+
+## 4. 选择编排方式
+
+| 模式 | 适用情况 | 主要风险 |
+|---|---|---|
+| 顺序 | 后一步严格依赖前一步输出 | 上游错误级联 |
+| 并行 | 多个独立来源或方案可同时产生 | 合并冲突、重复成本 |
+| 路由 | 不同任务应调用不同专长 | 分类错误 |
+| 主管—执行者 | 任务可拆成多个独立子任务 | 主管成为瓶颈 |
+| 评审—修订 | 输出有明确 rubric，可迭代改进 | 无界循环、成本失控 |
+
+默认从单 Agent + 多 skill 开始。只有观测数据证明吞吐或专长隔离确实需要并发，才升级为多 Agent。
+
+## 5. 人工介入与权限
+
+以下动作默认需要人工批准：
+
+- 对外发布、群发、私信或代表个人表态；
+- 付款、退款、采购和价格承诺；
+- 删除、覆盖或批量修改数据；
+- 使用未获授权的个人数据；
+- 低置信度但会影响客户决策的结论。
+
+连续任务不要重复索取同一授权；记录授权对象、范围和有效期。权限不足时返回缺失项和恢复路径，不要假装完成。
+
+## 6. 上线门槛与回滚
+
+按四阶段推进：
+
+1. **Shadow**：Agent 生成结果但不影响人工交付；
+2. **Copilot**：人工选择、修改并批准每次输出；
+3. **Guarded automation**：低风险步骤自动执行，高风险动作审批；
+4. **Autonomous**：仅用于已稳定通过回归测试、可完整审计且可回滚的边界任务。
+
+每次版本变更比较同一批任务的成功率、周期、人工工时、成本和严重错误率。任一安全指标恶化，回滚到上一稳定版本。
+
+## 真实案例：营销洞察交付从项目制走向产品化
+
+来源：Gingiris 飞书会议纪要《AI agent实践落地困境与规模化尝试分析》，2026-05-10。以下是会议中的经验陈述，不是独立审计或随机对照实验。
+
+### 旧链路
+
+- 运营人员手动浏览小红书约 10 天到 2 周；
+- 早期自动化把信息收集压缩到数小时，但报告仍依赖人工思考、迭代和制图；
+- 一个高质量 PPT 交付需要约 15 人、3–4 周，难以复制到 100 或 1,000 家客户。
+
+### 新链路
+
+- 将达人筛选、赛道分析、人群识别、内容与投放建议拆成通用 skill 和客户专属 skill；
+- 把正例、反例、验收标准、记忆和反馈链路放进 harness；
+- 系统先识别任务，再组合调用技能；专家负责策略判断与最终验收；
+- 结果、洞察过程和纠错留在系统中，供下一次复用。
+
+### 已报告结果
+
+- 约 **15 人 × 3–4 周** 的 PPT 项目，变为 **1 名策略师 + AI 系统，5 天一次通过**；
+- 一份竞品分析与投放建议可在 **不到 1 天** 内交付；
+- 会议报告的服务成本相较早期方式下降 **两个数量级**；
+- 专业策略师仍需约 **2–3 个月** 学习并迁移到新工作方式，说明专家并没有被“零成本替代”。
+
+### 这个案例真正验证了什么
+
+它支持“把专家判断编码为 skill + harness，可以减少交付周期和边际人工”的判断；它不证明所有行业都能获得相同幅度，也没有披露统一口径下的错误率、模型成本和客户长期留存。因此复用时必须重新建立本团队基线，并补测质量、重试和严重错误率。
+
+## 7 天落地清单
+
+- Day 1：选一个高频任务，收集 10–30 个真实样例和人工基线；
+- Day 2：定义输入、输出、rubric、禁区与人工审批点；
+- Day 3：拆成 3–7 个单一职责 skill；
+- Day 4：接入证据记录、日志、成本与失败分类；
+- Day 5：Shadow replay，修复最高频失败；
+- Day 6：Copilot 小流量运行，比较人工基线；
+- Day 7：决定继续、回滚或只自动化其中一段。
+
+## 最终输出模板
+
+每次工作流评审必须交付：
+
+1. 业务链路和自动化边界；
+2. skill 清单与输入/输出 contract；
+3. 编排图和工具权限；
+4. 评测集、基线和本次结果；
+5. 人工介入、失败恢复与回滚方案；
+6. 下一轮只改一个变量的实验计划。
+
+---
+
+Built by Gingiris. Historical figures are labeled as reported case evidence; do not present them as guaranteed outcomes.

skills/agent-workflow-playbook/_meta.json

@@ -0,0 +1,6 @@
+{
+  "ownerId": "kn71ssmn8xj5cgbj8dgnbr4dvs87rhh8",
+  "slug": "agent-workflow-playbook",
+  "version": "1.1.2",
+  "publishedAt": 1780425827733
+}

skills/agent-workflow-playbook/references/en/README.md

@@ -0,0 +1,39 @@
+# AI Agent Workflow Playbook — Skill Architecture & Plugin Marketing
+
+Complete guide for designing AI agent automation systems. Covers skill/plugin architecture, multi-agent coordination patterns, marketplace distribution strategies, and workflow orchestration best practices.
+
+## What You'll Learn
+- Skill architecture patterns (single-purpose vs. orchestrator agents)
+- Plugin marketplace SEO and distribution
+- Multi-agent workflow design (sequential, parallel, hierarchical)
+- Agent-to-agent communication protocols
+- Monetization strategies for AI agent skills
+
+## Who This Is For
+- AI developers building agent systems
+- Teams publishing skills/plugins to marketplaces
+- Product managers designing agent-native products
+
+## Key Concepts
+
+### Skill Architecture Patterns
+| Pattern | Use Case | Complexity |
+|---------|----------|------------|
+| Single-purpose | One task, one skill | Low |
+| Orchestrator | Coordinates multiple sub-skills | Medium |
+| Hierarchical | Multi-level agent delegation | High |
+| Reactive | Event-driven skill triggers | Medium |
+
+### Multi-Agent Workflow Design
+- **Sequential**: Task A → Task B → Task C (pipeline)
+- **Parallel**: Tasks A, B, C run concurrently, results merged
+- **Hierarchical**: Manager agent delegates to specialist agents
+- **Event-driven**: Skills react to external triggers
+
+### Marketplace Distribution
+- Optimize skill descriptions for search
+- Use clear naming conventions
+- Include usage examples in README
+- Tag with relevant keywords
+
+Built by Gingiris — shipped 200+ skills, 10k+ installs across ClawHub.

skills/agent-workflow-playbook/references/ja/README.md

@@ -0,0 +1,39 @@
+# AI エージェント ワークフロー プレイブック — スキルアーキテクチャ & プラグインマーケティング
+
+AI エージェント自動化システム設計の完全ガイド。スキル/プラグインアーキテクチャ、マルチエージェント連携パターン、マーケットプレイス配信戦略、ワークフローオーケストレーションのベストプラクティスを網羅。
+
+## 学べること
+- スキルアーキテクチャパターン（単一目的 vs. オーケストレーターエージェント）
+- プラグインマーケットプレイスの SEO と配信
+- マルチエージェントワークフロー設計（逐次・並列・階層型）
+- エージェント間通信プロトコル
+- AI エージェントスキルのマネタイズ戦略
+
+## 対象読者
+- エージェントシステムを構築する AI 開発者
+- マーケットプレイスにスキル/プラグインを公開するチーム
+- エージェントネイティブプロダクトを設計するプロダクトマネージャー
+
+## 主要コンセプト
+
+### スキルアーキテクチャパターン
+| パターン | ユースケース | 複雑度 |
+|----------|-------------|--------|
+| 単一目的 | 1タスク、1スキル | 低 |
+| オーケストレーター | 複数サブスキルの連携 | 中 |
+| 階層型 | 多階層エージェント委任 | 高 |
+| リアクティブ | イベント駆動スキルトリガー | 中 |
+
+### マルチエージェントワークフロー設計
+- **逐次型**: タスク A → タスク B → タスク C（パイプライン）
+- **並列型**: タスク A・B・C を同時実行し結果をマージ
+- **階層型**: マネージャーエージェントがスペシャリストに委任
+- **イベント駆動型**: 外部トリガーに反応してスキルが起動
+
+### マーケットプレイス配信
+- スキル説明文を検索向けに最適化
+- 明確な命名規則を使用
+- README に使用例を含める
+- 関連キーワードでタグ付け
+
+Gingiris 制作 — ClawHub で 200 以上のスキルを公開、10,000 以上のインストール実績。

skills/agent-workflow-playbook/references/ko/README.md

@@ -0,0 +1,39 @@
+# AI 에이전트 워크플로우 플레이북 — 스킬 아키텍처 & 플러그인 마케팅
+
+AI 에이전트 자동화 시스템 설계를 위한 완전 가이드입니다. 스킬/플러그인 아키텍처, 멀티 에이전트 조정 패턴, 마켓플레이스 배포 전략, 워크플로우 오케스트레이션 모범 사례를 다룹니다.
+
+## 배우게 될 것
+- 스킬 아키텍처 패턴 (단일 목적 vs. 오케스트레이터 에이전트)
+- 플러그인 마켓플레이스 SEO 및 배포
+- 멀티 에이전트 워크플로우 설계 (순차, 병렬, 계층형)
+- 에이전트 간 통신 프로토콜
+- AI 에이전트 스킬의 수익화 전략
+
+## 대상 독자
+- 에이전트 시스템을 구축하는 AI 개발자
+- 마켓플레이스에 스킬/플러그인을 게시하는 팀
+- 에이전트 네이티브 제품을 설계하는 프로덕트 매니저
+
+## 핵심 개념
+
+### 스킬 아키텍처 패턴
+| 패턴 | 사용 사례 | 복잡도 |
+|------|----------|--------|
+| 단일 목적 | 하나의 태스크, 하나의 스킬 | 낮음 |
+| 오케스트레이터 | 여러 서브 스킬 조정 | 중간 |
+| 계층형 | 다단계 에이전트 위임 | 높음 |
+| 리액티브 | 이벤트 기반 스킬 트리거 | 중간 |
+
+### 멀티 에이전트 워크플로우 설계
+- **순차형**: 태스크 A → 태스크 B → 태스크 C (파이프라인)
+- **병렬형**: 태스크 A, B, C를 동시에 실행하고 결과를 병합
+- **계층형**: 매니저 에이전트가 전문가 에이전트에 위임
+- **이벤트 기반형**: 외부 트리거에 반응하여 스킬이 실행
+
+### 마켓플레이스 배포
+- 스킬 설명을 검색에 최적화
+- 명확한 명명 규칙 사용
+- README에 사용 예시 포함
+- 관련 키워드로 태그 지정
+
+Gingiris 제작 — ClawHub에서 200개 이상의 스킬 출시, 10,000건 이상의 설치 달성.