What makes Skill Orchestration Core notable?

1.1K downloads. Trust evidence available

How should Skill Orchestration Core be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

Skill Orchestration Core

Skill 编排核心 - 上下文管理、流程编排、质量保证（Python 实现）

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.1k

Updated

Oct 11, 2026

Version

2.1.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.1K downloads reported by the source. Last updated 10/11/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 11, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 11, 2026
Adoption signal: 1.1K downloadsadoption · observed Oct 11, 2026
Latest release: 2.1.0release · observed Jun 13, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s17dzz5rp1x5wrb7s33vv04cb984wjf8:skill-orchestration-core

Install using `clawhub skill install s17dzz5rp1x5wrb7s33vv04cb984wjf8:skill-orchestration-core` in an isolated environment before connecting it to live workloads.
No published capability contract is available yet, so validate auth and request/response behavior manually.
Review the upstream CLAWHUB listing at https://clawhub.ai/fish1981bimmer/skill-orchestration-core before using production credentials.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-fish1981bimmer-skill-orchestration-core/snapshot"

Documentation

CLAWHUB

73,601 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: skill-orchestration-core
description: Skill 编排核心 - 上下文管理、流程编排、质量保证（Python 实现）
version: 2.1.0
author: Hermes Agent
tags: [orchestration, workflow, context, quality]
---

# Skill 编排核心

轻量级的 skill 编排系统，专注于上下文管理、流程编排和质量保证。
**v2.1.0**: 新增 4 个实用工作流模板（示例/Web全栈/数据分析/API产品），基于 DESIGN.md 的流程编排，集成 Hermes delegate_task 真正执行 skill。

## 最新功能 (v2.1.0)

- **4 个工作流模板**: 示例项目(4阶段)、Web全栈(5阶段)、数据分析(5阶段)、API产品(4阶段)
  - 复制即用: `cp -r templates/web-fullstack /path/to/my-project`
  - 解析验证: `python3 scripts/workflow_orchestrator.py parse DESIGN.md`
- **输出验证强化**: `validate-all` 全部通过，`auto-fix` 自动补全缺失文件
- **端到端测试**: `python3 scripts/test_e2e.py` 一键验证全部脚本协同工作

## 核心功能

### 1. 上下文管理（context_manager.py）

管理 skill 之间的上下文传递和共享。

#### 上下文结构

```json
{
  "project": {
    "name": "my-project",
    "path": "/path/to/project",
    "description": "项目描述"
  },
  "state": {
    "currentSkill": "test-driven-development",
    "progress": 40.0,
    "completedSkills": ["writing-plans"],
    "startTime": "2026-06-10T20:00:00"
  },
  "data": {
    "plan": "计划内容...",
    "requirements": "需求内容..."
  },
  "config": {
    "contextCompression": true,
    "maxContextSize": 100000
  }
}
```

#### 上下文操作

```python
from context_manager import ContextManager

ctx = ContextManager("/path/to/project")
ctx.load()

# 保存/获取数据
ctx.set("plan", plan_content)
value = ctx.get("plan")

# 传递给下一个 skill
ctx.pass_to("test-driven-development")

# 标记完成
ctx.mark_skill_completed("writing-plans")
print(ctx.is_skill_completed("writing-plans"))  # True

# 压缩/恢复
compressed = ctx.compress()
ctx.restore(compressed)

# 保存到文件
ctx.save()
```

#### 上下文文件

上下文保存在项目目录的 `.orchestration/context.json`，带文件锁防止并发写冲突。

#### CLI 接口

```bash
python scripts/context_manager.py show [project_path]
python scripts/context_manager.py status [project_path]
python scripts/context_manager.py set <key> <value> [project_path]
python scripts/context_manager.py get <key> [project_path]
python scripts/context_manager.py complete <skill_name> [project_path]
python scripts/context_manager.py clear [project_path]
```

### 2. 流程编排（workflow_orchestrator.py）

基于 DESIGN.md 的流程编排，**集成 Hermes delegate_task 真正执行 skill**。

#### DESIGN.md 结构

```yaml
---
name: my-project
description: 项目描述
version: 1.0.0
---

## 工作流程

### 阶段 1: 需求分析
**使用的 Skills**:
- writing-plans
**任务**:
- 分析需求
- 编写用户故事
**输出**:
- requirements.md

### Stage 2: Development
**Skills**:
- test-driven-development
**Tasks**:
- Write tests
- Implement features
**Outputs**:
- src/
- tests/
```

> **中英文兼容**: 阶段标题支持 `### 阶段 N:` 和 `### Stage N:` 两种格式。

#### 编排指令输出

执行工作流时，编排器会为每个阶段生成 `[ORCHESTRATE]` 指令，供 Hermes agent 通过 delegate_task 调度：

```
[ORCHESTRATE] 阶段 1: 需求分析
[ORCHESTRATE]   → 执行 skill: writing-plans
[ORCHESTRATE]     delegate_task goal: "使用 writing-plans skill 完成阶段 1(需求分析)的任务"
[ORCHESTRATE]     delegate_task context: "项目路径=/path/to/project, 任务列表=[...], 期望输出=[...]"
[CONTEXT]   writing-plans 输入: [requirements.md]
[CONTEXT]   writing-plans 输出: [IMPLEMENTATION.md]
[CONTEXT]   writing-plans → test-

templates/README.md

# Skill 编排核心

轻量级的 skill 编排系统，专注于上下文管理、流程编排和质量保证。

## 快速开始

### 1. 创建项目

```bash
# 创建项目目录
mkdir my-project
cd my-project

# 复制示例 DESIGN.md
cp ~/.hermes/skills/devops/skill-orchestration-core/templates/example-project/DESIGN.md .

# 或使用其他模板
# cp -r ~/.hermes/skills/devops/skill-orchestration-core/templates/web-fullstack .
# cp -r ~/.hermes/skills/devops/skill-orchestration-core/templates/data-analysis .
# cp -r ~/.hermes/skills/devops/skill-orchestration-core/templates/api-product .
```

### 2. 修改 DESIGN.md

根据你的项目需求修改 DESIGN.md 文件。

### 3. 执行流程

```bash
# 使用上下文管理器
python3 ~/.hermes/skills/devops/skill-orchestration-core/scripts/context_manager.py show

# 使用流程编排器
python3 ~/.hermes/skills/devops/skill-orchestration-core/scripts/workflow_orchestrator.py parse DESIGN.md

# 使用输出验证器
python3 ~/.hermes/skills/devops/skill-orchestration-core/scripts/output_validator.py validate-all .
```

## 核心功能

### 1. 上下文管理

管理 skill 之间的上下文传递和共享。

```python
from context_manager import ContextManager

ctx = ContextManager("/path/to/project")
ctx.load()

# 保存数据
ctx.set("plan", plan_content)

# 获取数据
plan = ctx.get("plan")

# 传递给下一个 skill
ctx.pass_to("test-driven-development")

# 标记完成
ctx.mark_skill_completed("writing-plans")

# 保存到文件
ctx.save()
```

### 2. 流程编排

基于 DESIGN.md 的流程编排，**集成 Hermes delegate_task 真正执行 skill**。

```python
from workflow_orchestrator import WorkflowOrchestrator

orch = WorkflowOrchestrator("/path/to/DESIGN.md")
parsed = orch.parse_design()

# 执行流程
orch.execute()

# 控制
orch.pause()
orch.resume()
orch.jump_to("开发")

# 检查点
orch.set_checkpoint("checkpoint-需求分析")
orch.restore_checkpoint("checkpoint-需求分析")
```

### 3. 质量保证

自动验证 skill 输出质量，**真正读取项目文件做验证**。

```python
from output_validator import OutputValidator

validator = OutputValidator("/path/to/project")

# 从 DESIGN.md 加载规则
validator.load_from_design("/path/to/DESIGN.md")

# 验证单个 skill
result = validator.validate("writing-plans")
# result: {"valid": True/False, "errors": [...], "warnings": [...], "fixable": True/False}

# 验证所有
results = validator.validate_all()

# 自动修复
validator.auto_fix("writing-plans")

# 获取报告
report = validator.get_report()
```

## CLI 接口

### 上下文管理器

```bash
python3 scripts/context_manager.py show [project_path]
python3 scripts/context_manager.py status [project_path]
python3 scripts/context_manager.py set <key> <value> [project_path]
python3 scripts/context_manager.py get <key> [project_path]
python3 scripts/context_manager.py complete <skill_name> [project_path]
python3 scripts/context_manager.py clear [project_path]
```

### 流程编排器

```bash
python3 scripts/workflow_orchestrator.py parse <DESIGN.md>
python3 scripts/workflow_orchestrator.py execute <DESIGN.md>
python3 scripts/workflow_orchestrator.py status <DESIGN.md>
python3 scripts/workflow_orchestrator.py checkpoint <DESIGN.md> <name>
python3 scripts/workflow_orchestrator.py restore <DESIGN.md> <name>
python3 scripts/workflow_orchestrator.py jump <DESIGN.md> <stage_name>
```

### 输出验证器

```bash
python3 scripts/output_validat

_meta.json

{
  "ownerId": "kn76tyr0ztr0j5fyej0qbchjx584wwjp",
  "slug": "skill-orchestration-core",
  "version": "2.1.0",
  "publishedAt": 1781321116492
}

references/template-authoring-and-recovery.md

# 模板编写与跨会话恢复

## 1. 新建工作流模板的验证流程

每个 DESIGN.md 模板完成后，**必须**跑三个验证：

```bash
# 1) 解析验证 — 阶段/skills/tasks/outputs 非空
python3 scripts/workflow_orchestrator.py parse templates/<name>/DESIGN.md

# 2) 输出验证（需在项目目录里有对应文件）
python3 scripts/output_validator.py validate-all templates/<name>/

# 3) 端到端测试（仅 example-project 做，其他模板无项目文件）
python3 scripts/test_e2e.py
```

解析验证最容易暴露的问题：
- 加粗列表标题导致 `_extract_list` 返回空 → 陷阱 #7
- 上下文/验证 YAML 缩进不一致 → 解析失败
- 阶段标题没用 `### 阶段 N:` 或 `### Stage N:` → 正则不匹配

## 2. 跨会话恢复迭代工作

skill-orchestration-core 的迭代跨了 6月10-13号 共 4+ 个 session。
恢复方法：

1. `session_search(limit=5, sort="newest")` 浏览最近 session
2. 找到标题提及当前任务的 session，`session_search(session_id=...)` 读全文
3. 定位最后的 TODO 列表（`todo` tool output），找到 `status=in_progress` 或 `status=pending`
4. 从最后一个未完成项继续，**不要**从头重做已验证通过的步骤

关键信号：
- session 标题含 "迭代改进" / "完成" → 可能已做完
- 用户输入 "?" 后中断 → 上一个 tool call 可能执行完了但结果没被整理
- TODO 里的 completed 项不需要重跑

## 3. 模板目录约定

```
templates/<name>/
├── DESIGN.md           # 必需 — 编排指南
└── (可选) 其他输出文件   # 仅 example-project 需要
```

新增模板后，同步更新：
- SKILL.md 的「工作流模板」表格
- SKILL.md 的项目结构树
- templates/README.md

## 4. 已有模板清单 (v2.1.0)

| 模板 | 阶段 | Skills | 适用 |
|------|------|--------|------|
| example-project | 4 | writing-plans, tdd, subagent, requesting-code-review | 学习/测试 |
| web-fullstack | 5 | writing-plans, tdd, subagent, requesting-code-review | React+FastAPI |
| data-analysis | 5 | writing-plans, tdd, subagent, requesting-code-review | 数据采集/建模/报告 |
| api-product | 4 | writing-plans, api-product-planning, tdd, subagent, requesting-code-review, enterprise-web-deployment | API组合产品 |

references/workflow-orchestrator-regex-pitfalls.md

# Workflow Orchestrator 正则排坑记录

> 跨 3 个 session（6/10-6/13）才彻底修好的正则 bug，记录根因和修复方案供未来参考。

## Bug 1: 阶段名吃进整个 body

### 根因

`STAGE_REGEX` 原始写法：

```python
STAGE_REGEX = re.compile(
    r'###\s+(?:阶段|Stage)\s+(\d+)\s*[:：]\s*(.+?)(?=\n###|\n##|\n\Z)',
    re.DOTALL
)
```

问题：`(.+?)` 配合 `re.DOTALL`（让 `.` 匹配换行）、再加上 `(?=\n###|\n##|\Z)` 前瞻——
`(.+?)` 是 lazy 但最小匹配依然是整行到第一个换行，而 `.+` 在 DOTALL 下可以吃进多行。
由于前瞻 `(?=\n###|\n##|\Z)` 要到很远才停，`name` 组把整个 body 文本都吃进去了。

### 症状

```python
parsed["workflow"][0]["name"]
# 期望: "需求分析"
# 实际: "需求分析\n\n**使用的 Skills**:\n- writing-plans\n\n**任务**:\n- 分析需求\n..."
```

### 修复

拆成两个独立捕获组：name 只取标题行 `([^\n]+)`，body 取到下一个同级标题：

```python
STAGE_HEADING_REGEX = re.compile(
    r'###\s+(?:阶段|Stage)\s+(\d+)\s*[:：]\s*([^\n]+)\n(.*?)(?=\n###|\n##|\Z)',
    re.DOTALL
)
```

关键点：`[^\n]+` 严禁跨行，确保 name 就是标题行余下文字；body 用 `(.*?)` 配合 DOTALL 吃到下一个 `###` 或 `##`。

---

## Bug 2: 加粗星号导致列表提取失败

### 根因

DESIGN.md 里阶段内的列表标题用了 Markdown 加粗：

```markdown
**使用的 Skills**:
- writing-plans
```

而原始正则只认无格式的写法：

```python
r'(?:使用的\s*)?[Ss]kills?[:：]\s*\n...'
```

`**使用的 Skills**:` 前面有 `**`，正则直接失配 → skills/tasks/outputs 全部为空列表。

### 症状

```python
parsed["workflow"][0]["skills"]   # 期望: ["writing-plans"]
parsed["workflow"][0]["tasks"]    # 期望: ["分析需求", "编写用户故事"]
parsed["workflow"][0]["outputs"]  # 期望: ["requirements.md"]
# 实际全都是: []
```

### 修复

在关键词前后加 `\*{0,2}` 匹配可选的 Markdown 加粗星号（0或2个星号）：

```python
r'\*{0,2}(?:使用的\s*)?[Ss]kills?\*{0,2}[:：]\s*\n...'
#  ^^^^^^^^^                       ^^^^^^^^^
#  左侧星号                        右侧星号
```

三行正则都需要同样处理：skills、tasks/任务、outputs/输出。

### 注意

`\*{0,2}` 而不是 `\*{0,3}`——Markdown 加粗用**两个**星号，`{0,2}` 足以匹配 `**` 或无星号。
不要用 `\*?` 或 `\**`，因为 `\*?` 只匹配0或1个星号（不够），`\**` 在某些引擎中是非法重复。

---

## Bug 3: `write_file` 写入了占位符文字

### 根因

在 6/11 的会话中，agent 用 `write_file` 写入脚本时，第二个和第三个文件的 content 参数
被错误地传入了占位符文字如 `(see file already created)` 而非真正代码。
（这是 agent 自身的 write_file 参数构造错误，不是 Hermes 工具 bug。）

### 症状

```python
# workflow_orchestrator.py 第1行:
# (see file already created)    ← 占位符文字，不是 Python 代码
```

### 修复

重新调用 `write_file`，确保 content 参数是完整的 Python 脚本代码。

### 教训

对大型文件连续调用 `write_file` 时，要逐个确认写入结果——第 N 个成功不代表第 N+1 个
content 参数没被截断或替换。用 `read_file` 验证前几行即可。

Github ReposUpdated 2d agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.