DP

DepthPilot AI

System-Level Learning

Assessment

Workflow Routing 实战:把 Agent 行为拆成可控操作链

这节课要求你把一个会调用工具的 workflow 从“看起来像 agent”审成“真正可操作的系统”。DepthPilot 要的不是一句“它会自己判断”,而是 routing 顺序、动作边界、确认关卡、恢复顺序和 operator skill 都写清楚,能被第二个人复核和复用。

最后要交什么

一份 workflow routing 表、一份 tool boundary checklist,以及一份 operator skill brief。

真正的通过标准

不是 workflow 勉强跑通,而是你能说清每一步什么时候澄清、什么时候取证、什么时候行动、什么时候必须停下。

我们的增值部分

这页把 routing order、动作边界、恢复顺序和 skill 抽取变成了站内 runbook,而不是外部文章列表。

DepthPilot Summary

这节课真正教你的,是把 agent 拆成可以审核的动作链

外部文章会讲 agent 很强,但真正能上线的系统一定能说明每一步在做什么。DepthPilot 在这里强调的是:clarify、retrieve、decide、act、verify、handoff 要显式拆开,工具边界和 operator skill 也要写成结构。用户学完之后,应该能说清一个 workflow 的失控点是路由不明、权限不明,还是动作边界不明。

先拆动作层级

  • 不要把所有行为都压成一个模糊的“agent step”。
  • 澄清、取证、决策、执行、验证和交接,应该是不同层的责任。
  • 只有拆开,才能知道哪里适合自动化,哪里必须保留人为控制。

再明确工具边界

  • 任何工具调用都要知道输入是否可信、动作是否需要确认、失败后如何回退。
  • 工具边界不清,会让模型看起来很能干,但系统其实很危险。
  • 一个可靠 workflow 的核心不是会调用多少工具,而是会不会在错误时及时停手。

最后提炼 operator skill

  • 重复出现的操作判断,应该从高手脑中搬到 skill brief 里。
  • skill 的价值不在炫技,而在让团队能复用同一套判断。
  • 最终交付物是一个可审计、可交接、可训练的 workflow。

Routing order

先定义什么时候必须先澄清,而不是一上来就行动。

先写证据要求,再写工具输入,不要让模型凭感觉补参数。

区分 decide、act、verify 三层职责,别把它们糊成一个“agent step”。

最后明确 handoff 和 hard stop,避免 workflow 无限自我延长。

Tool boundary

哪些动作必须有显式确认,哪些绝不能自动运行。

哪些输入是不可信文本,不能直接进入工具参数。

哪些动作需要 source-of-truth 或系统状态才能执行。

失败时该 retry、degrade 还是 escalate,都要预先写出来。

Operator skill extraction

把高频 operator 判断变成 skill brief,而不是继续依赖熟练员工在脑中补全。

区分 workflow 自动部分和必须由人接管的部分。

为 skill 写清触发条件、输入要求、停手机制和输出产物。

把一次成功经验变成团队可重复运行的 SOP。

上线前必须保留的证据

一份明确标出 clarify、retrieve、decide、act、verify、handoff 的 routing 表。

一份工具边界清单,说明哪些动作必须确认、哪些输入不可信、哪些步骤应停止。

一份 operator skill brief,证明你已经把重复判断从个人经验沉淀成可复用资产。

一段复盘:这个 workflow 最危险的断点到底在 routing、权限、工具输入还是恢复顺序。

Search Cluster

把工作流设计接进可搜索的 agent 与 workflow 路径

高意图用户常常先从 agent workflow、workflow course 或 OpenClaw tutorial 进来,再决定是否认真做 routing 和边界设计。

参考附录

这些来源负责锚定方法。真正的课程主体是上面的 routing order、tool boundary、skill extraction 和模板交付。

Workflow Routing 实战:工具边界、确认关卡与 Operator Skills | DepthPilot AI