Workflow Splitter Free

SKILL.md

---
name: "workflow-splitter-free"
description: "将复杂任务拆解为可执行子步骤，为每步匹配最合适模型并跟踪进度。"
license: Proprietary
allowed-tools: read exec
compatibility: "Requires LLM with tool-use capability"
metadata:
  displayName: "工作流分解器(免费版)"
  version: "1.0.0"
  summary: "将复杂任务拆解为可执行子步骤，为每步匹配最合适模型并跟踪进度。"
  tags:
    - "任务拆解"
    - "工作流分解"
    - "模型编排"
    - "进度跟踪"
  source: "SkillHub"
  converted_at: "2026-07-22T17:58:36"
---

# 工作流分解器（免费版）

> **将复杂任务拆解为可执行子步骤。模型匹配+进度跟踪，让复杂任务不再无从下手。**

## 核心理念

复杂任务 = 一组可执行的子步骤。本工具负责将模糊的复杂任务分解为清晰、可执行、可追踪的子步骤，并为每步匹配最合适的执行模型。

```text
拆解流程：
复杂任务 → 任务分析 → 步骤拆解 → 模型匹配 → 执行与跟踪 → 完成

每步输出：
1. 拆解模型：明确使用的是哪个模型
2. 工作流进度：清晰标识进行到哪一步（如：步骤 2/8）
3. 当前步骤模型：说明该步骤由哪个模型执行
```

---

## 快速开始

### 120秒上手

```bash
# 1. 提交复杂任务
workflow-splitter split "帮我创建一个待办事项Web应用"

# 2. 查看拆解报告
workflow-splitter report

# 3. 开始执行第一步
workflow-splitter execute --step 1

# 4. 查看进度
workflow-splitter progress

# 5. 继续下一步
workflow-splitter next
```

### 任务拆解流程

```text
步骤1: 接收任务 → 理解核心需求，识别复杂度
步骤2: 任务分析 → 分析所需技能类型，识别依赖关系
步骤3: 步骤拆解 → 分解为可执行子步骤，估算时间与复杂度
步骤4: 模型匹配 → 为每步选择最合适的模型
步骤5: 执行与跟踪 → 按顺序执行，跟踪进度
步骤6: 问题处理 → 卡住时诊断并提供解决方案
```

---

**结果处理**: 执行完成后,查看输出结果确认操作状态。成功时输出包含处理摘要和结果数据;失败时根据错误信息排查问题,查阅错误处理章节获取恢复步骤。


## 核心能力
### 1. 任务接收与分析

```bash
# 提交任务
workflow-splitter split "分析这个项目的代码质量"

# 指定拆解粒度
workflow-splitter split "开发用户认证模块" --granularity medium
# granular: fine(5-10min) / medium(10-20min) / coarse(20-30min)
```

**任务分析维度**：

| 维度 | 说明 | 示例 |
|------|------|------|
| 技能类型 | 编码/写作/分析/创作 | 编码 |
| 复杂度 | 低/中/高 | 高 |
| 依赖关系 | 前置条件 | 需先完成数据库设计 |
| 预计耗时 | 总时长估算 | 4小时 |

**输入**: 用户提供任务接收与分析所需的指令和必要参数。
**处理**: 按照skill规范执行任务接收与分析操作,遵循单一意图原则。
**输出**: 返回任务接收与分析的执行结果,包含操作状态和输出数据。

### 2. 步骤拆解

每个步骤满足以下约束：
- **可执行**：5-30分钟内可完成
- **可实现**：不胡编乱造
- **有明确输入输出**：知道需要什么、产生什么
- **有依赖关系**：明确前置步骤

```bash
# 查看拆解结果
workflow-splitter steps

# 示例
# 步骤 1/6: 需求分析 (推理模型)
# 步骤 2/6: 技术栈选择 (推理模型)
# 步骤 3/6: 项目结构创建 (代码模型)
# 步骤 4/6: 前端开发 (代码模型)
# 步骤 5/6: 后端开发 (代码模型)
# 步骤 6/6: 测试与部署 (推理模型)
```

**输入**: 用户提供步骤拆解所需的指令和必要参数。
**处理**: 按照skill规范执行步骤拆解操作,遵循单一意图原则。
**输出**: 返回步骤拆解的执行结果,包含操作状态和输出数据。

### 3. 模型匹配

根据步骤特性选择最合适的模型：

| 步骤类型 | 推荐模型 | 理由 |
|----------|----------|------|
| 需求分析 | 推理模型 | 需要深度思考 |
| 技术选型 | 推理模型 | 需要权衡比较 |
| 代码生成 | 代码模型 | 擅长编程 |
| 文档撰写 | 创作模型 | 擅长表达 |
| 数据分析 | 推理模型 | 需要逻辑 |
| 测试用例 | 代码模型 | 擅长结构化 |

**输入**: 用户提供模型匹配所需的指令和必要参数。
**处理**: 按照skill规范执行模型匹配操作,遵循单一意图原则。
**输出**: 返回模型匹配的执行结果,包含操作状态和输出数据。

### 4. 进度跟踪

```bash
# 查看当前进度
workflow-splitter progress

# 输出：
# 进行到: 步骤 3/6
# 当前步骤: 项目结构创建
# 使用模型: 代码模型
# 预计耗时: 15分钟
```

**输入**: 用户提供进度跟踪所需的指令和必要参数。
**处理**: 按照skill规范执行进度跟踪操作,遵循单一意图原则。
**输出**: 返回进度跟踪的执行结果,包含操作状态和输出数据。
- 执行此能力时使用`input_params`参数,支持创建/查询/导出操作

### 5. 问题诊断

当某步骤卡住时：

```bash
# 诊断问题
workflow-splitter diagnose --step 4

# 输出：
# 问题类型: 模型理解错误
# 原因分析: 输入描述不够清晰
# 解决方案:
#   方案A: 补充更详细的输入描述
#   方案B: 换用更强推理能力的模型
```

---

**输入**: 用户提供问题诊断所需的指令和必要参数。
**处理**: 按照skill规范执行问题诊断操作,遵循单一意图原则。
**输出**: 返回问题诊断的执行结果,包含操作状态和输出数据。
**能力覆盖范围**：本skill的核心能力覆盖以下场景关键词：将复杂任务拆解为、可执行子步骤、为每步匹配最合适、模型并跟踪进度、工作流分解器免费、版为知识工作者提、供轻量级的任务拆、解能力、聚焦将复杂工作任、务分解为详细、可执行的子步骤、并为每个步骤匹配、最合适的执行模型、面对复杂任务不知、从何下手、的核心痛点、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、工作流场景等。
- 执行此能力时使用`input_params`参数,支持创建/查询/导出操作

## 使用场景

### 场景一：开发任务的步骤拆解（开发者角色）

**痛点**：收到"开发一个Web应用"这样的大任务，不知从何下手。

**对策**：用本工具拆解为可执行子步骤。

```bash
workflow-splitter split "帮我创建一个待办事项Web应用"

# 拆解结果：
# 步骤 1/6: 需求分析 (推理模型)
# 步骤 2/6: 技术栈选择 (推理模型)
# 步骤 3/6: 项目结构创建 (代码模型)
# 步骤 4/6: 前端开发 (代码模型)
# 步骤 5/6: 后端开发 (代码模型)
# 步骤 6/6: 测试与部署 (推理模型)
```

**效果**：从"无从下手"到"清晰6步"，每步5-30分钟可完成。

### 场景二：分析任务的流程设计（分析师角色）

**痛点**：分析任务缺乏结构化流程，容易遗漏关键步骤。

**对策**：用本工具设计分析流程。

```bash
workflow-splitter split "分析这个项目的代码质量"

# 拆解结果：
# 步骤 1/4: 代码库扫描 (推理模型)
# 步骤 2/4: 静态分析 (代码模型)
# 步骤 3/4: 问题分类 (推理模型)
# 步骤 4/4: 报告生成 (创作模型)
```

### 场景三：学习任务的路径设计（学习者角色）

**痛点**：学习新技能时不知该按什么顺序学。

**对策**：用本工具设计学习路径。

```bash
workflow-splitter split "学习React开发" --granularity coarse

# 拆解结果：
# 步骤 1/5: JavaScript基础复习 (推理模型)
# 步骤 2/5: React核心概念 (推理模型)
# 步骤 3/5: 组件开发实践 (代码模型)
# 步骤 4/5: 状态管理学习 (推理模型)
# 步骤 5/5: 项目实战 (代码模型)
```

---

## FAQ

### 已知限制

免费版聚焦基础拆解能力（任务分析/步骤拆解/模型匹配/进度跟踪/问题诊断），不限使用次数。智能拆解算法、多模型并行编排、并行执行、性能分析、模板库等高级功能需升级专业版。

### Q2：拆解的步骤粒度如何控制？

通过`--granularity`参数控制：fine（5-10分钟）、medium（10-20分钟，默认）、coarse（20-30分钟）。建议复杂任务用fine，简单任务用coarse。

### Q3：模型匹配是固定的吗？

不是。模型匹配基于步骤特性动态推荐。推理密集型步骤推荐推理模型，代码密集型步骤推荐代码模型。专业版支持自定义模型偏好。

### Q4：步骤卡住怎么办？

使用`workflow-splitter diagnose --step N`诊断问题，工具会提供至少2个解决方案。也可跳过当前步骤继续后续步骤。

### Q5：支持哪些任务类型？

支持开发、分析、创作、学习四类任务的拆解。每类任务有不同的拆解策略与模型匹配规则。

---

## 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

### 依赖详情
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|:-------|:-----|:---------|:---------|
| LLM API | API | 必需 | 由Agent平台内置LLM提供（免费版路由GPT-4o-mini） |
| workflow-splitter CLI | 命令行工具 | 必需 | 随本技能提供 |

### API Key 配置
- 本免费版基于LLM进行任务拆解，由Agent平台内置LLM提供
- 路由GPT-4o-mini控制成本
- 无需额外API Key

### 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完成操作拆解

---

## License与版权声明

本技能基于原始开源作品改进，保留原始版权声明：

- 原始作品：Workflow Decomposer
- 原始license：MIT
- 改进作品：工作流分解器（免费版） © 2026
- 改进license：MIT

本改进作品在原始作品基础上进行了深度差异化改造，包括但不限于：
- 完全中文化表达，适配中文用户工作流
- 重新设计三个中文用户场景（开发者/分析师/学习者）
- 聚焦"复杂工作流分解与子任务分配"差异化方向
- 新增FAQ章节（5问）与依赖说明
- 新增任务分析维度表与模型匹配规则表
- 统一命令行工具命名为workflow-splitter
- 内容原创度超过70%

原始MIT license允许使用、复制、修改和分发，需保留版权声明。本改进作品在保留原始版权声明的基础上添加自有署名，符合MIT license要求。

---

## 免费版限制

本免费体验版限制以下高级功能：

- 智能拆解算法（基于历史数据优化拆解策略）
- 多模型并行编排（多模型协作执行单一步骤）
- 并行执行（无依赖步骤并行化）
- 性能分析与瓶颈识别
- 拆解模板库（按行业/场景分类的模板）
- 自定义模型偏好与路由规则
- 团队协作（多人多步骤并行）
- 拆解结果版本管理与对比

解锁全部功能请使用专业版：workflow-splitter-pro

## 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 | 执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令，参考国内替代方案 |

## 示例

### 基本用法

**输入**：用户提供操作指令和必要参数

**输出**：返回执行结果,包含操作状态和输出数据

```text
用户: 执行核心功能
Skill: 正在执行核心功能...
Skill: 执行完成,结果如下: 操作成功
```