AI Agent Workflow Notes：个人 agent 工作流记录
agent 项目中真正要沉淀的不是多写代码，而是设计理由、影响分析、阶段收口和系统状态复述。
Cover
AI Agent Workflow Notes：个人 agent 工作流记录 writing cover.
Why this matters
过去几个月，我用 agent 完成了大量任务：部署网站、整理项目、生成报告、验证链接。但回头看，最有价值的产出不是"任务完成了"，而是任务完成过程中产生的设计理由、影响分析和系统状态记录。
这个观察让我意识到：agent 工作流的核心价值不在于"自动化"，而在于"可沉淀"。一个好的工作流应该像一个好的实验记录——不仅记录结果，还记录假设、方法、限制和后续方向。
这些笔记是我对 agent 工作流的持续反思，目标是建立一套可复用、可验证、可迭代的个人工作流系统。
Core idea
agent 工作流的几个核心原则：
- 阶段化：每个任务拆分为明确的阶段，每个阶段有输入、输出和验证标准。这让执行过程可观测、可回滚。
- 报告驱动：每个阶段完成后生成结构化报告，记录做了什么、结果如何、下一步建议。这让项目状态始终可见。
- 设计理由优先：不是记录"做了什么"，而是记录"为什么这样做"。这让未来的自己能理解当时的决策。
- 系统状态复述：每次任务完成后，用"人能理解的语言"复述当前系统状态。这强迫我真正理解系统，而不是机械执行。
这些原则的来源：软件工程的最佳实践（版本控制、测试驱动开发）、科学研究的方法论（实验记录、可重复性）、以及个人知识管理的经验（Zettelkasten、Commonplace Book）。
Notes
当前工作流的具体实践：
- Hermes：云端 agent 执行环境。核心流程：接收任务 → 分解阶段 → 执行 → 验证 → 生成报告 → 推送代码 → 部署 → 验证线上状态。
- OpenClaw：本地 agent 实验场。测试新的工作流模板、验证假设、探索边界。
- conanxin-homepage：工作流的"展示窗口"。每次更新都是一次完整的工作流执行，从代码修改到线上验证。
一个关键发现：agent 的错误往往不在执行层面，而在设计层面。如果阶段划分不合理、验证标准不明确，agent 会"成功"地执行一个错误的计划。这强调了"设计理由"的重要性——必须在执行前明确为什么要这样做。
How I use it
这些工作流笔记的应用场景：
- 项目执行：任何新项目都使用标准化的阶段模板，减少决策疲劳
- 知识沉淀：工作流中的设计理由和系统状态记录，成为后续项目的参考
- 错误复盘：当工作流失败时，报告中的记录帮助快速定位问题
- 能力扩展：验证成功的工作流模板可以应用于新的任务类型
Related
相关项目：Hermes、OpenClaw、conanxin-homepage 后续可补充：工作流模板库、常见错误模式清单、agent 能力边界地图、与其他自动化工具（如 n8n、Make）的对比Next
- 建立标准化的工作流模板库
- 设计工作流质量评估指标
- 探索多 agent 协作模式
Related Projects
AI Agent Workflow Notes 总结了 Hermes / OpenClaw 项目中的阶段化执行方法。
OpenClaw 的长期价值来自 agent 工作流、设计理由和阶段报告沉淀。
conanxin.com 的每个阶段都是 agent 工作流沉淀的实例。
Cloud Mail 是个人邮件入口与 agent 协作系统的一部分。
小径小程序体现了阶段化开发、feature flags、云端/本地协作和状态复述方法。