Flow 模型
Flow 是 Huoban 的版式。
它描述一组 AI 能力如何被排列、传递、暂停、校验和产出。Flow 不应该只是命令脚本;它应该描述期望的 AI 工作结构。
Flow 的职责
Flow 应回答几个问题:- 这次任务需要哪些 capability?
- 哪些 stage 应该先后执行?
- 上一步产物如何成为下一步输入?
- 哪些 stage 必须 checkpoint?
- 预期会产生哪些 artifact?
- 默认使用哪些 Profile 和 Policy?
- 失败时应该重试、回退、暂停还是中止?
Capability-first
Flow 不应只绑定具体 skill。更好的模型是:Flow 引用 capability,Run 再绑定具体 skill 或 adapter。Shortcut 语法
为了降低早期使用成本,Flow 可以允许 shortcut:Stage
Stage 是 Flow 的基本组成单元。 建议字段:Checkpoint
Checkpoint 是 Flow 的校对点。 它可以由 Flow 显式声明,也可以由 Skill / Adapter / Policy 推导出来。- 高风险副作用。
- 设计判断尚未确认。
- Eval 失败。
- Profile 冲突。
- Adapter 声明需要人工 review。
- 外部 skill 未被信任。
Artifact
Flow 应声明预期产物:- 决策记录
- 设计评审
- 代码 diff
- 测试结果
- 迁移计划
- Eval report
- Checkpoint feedback
Flow 与 Profile
Flow 可以引用默认 Profile:Flow 与 Policy
Flow 也可以引用默认 Policy:idea-to-spec-review
Huoban 第一条 demo flow 建议是:- 把
grill-me适配成 Huoban Skill / Adapter。 - 使用
huoban-open-source-projectProfile。 - 从用户 idea 生成 spec review。
- 在 checkpoint 停住等待确认。
- 产出 review notes 和 decision notes。