OS Workflow — 用 CC 工作流，但让产出回流 OS

OS Workflow — 用 CC 工作流，但让产出回流 OS

背景

调用 Workflow 后，每个内部 agent 会被 hook 自动注册成一个 OS 团队（workflow-<wf_id>， 一次 workflow = 一个团队）。追踪是自动的，但工作内容不会自己入库——下面两件事必须你做。

1. 总任务上墙（Leader 职责）

调用 Workflow 前用 task_create 把这次工作方向登记上墙并置 running（§2 的回写指令要把它的 id 插进每个 agent 的 prompt，事后补建来不及），完成后 task_update 置 completed 并填 result。

2. 在每个 workflow agent 的 prompt 里嵌入「回写指令」

把下面这段粘进你写的 workflow 脚本里每个 agent() 的 prompt 末尾（已验证 workflow agent 能调 OS 的 MCP 工具 + HTTP API，非沙盒）：

【回写 OS（收尾必做）】
1. ToolSearch 加载：select:mcp__ai-team-os__task_memo_add,mcp__ai-team-os__report_save
2. 完成本职工作后：
   - task_memo_add(task_id="<总任务id>", content="<这步干了啥+关键结论>", memo_type="progress")
   - 重要产出再 report_save(...) 落库，并把 report_id 写进 memo
3. 你在项目目录运行，MCP 自动带项目头，无需关心端口/项目 id。

在脚本里把 <总任务id> 用第 1 步 task_create 拿到的 id 通过 prompt 字符串插值传进去。

脚本写法示例

// Leader 先 task_create 拿到 taskId（OS MCP），再写 workflow：
const WRITEBACK = `\n【回写 OS（收尾必做）】\n1. ToolSearch: select:mcp__ai-team-os__task_memo_add\n2. 完成后 task_memo_add(task_id="${taskId}", content="...", memo_type="progress")\n3. 项目目录运行，MCP 自动带项目头。`

const r = await agent('你的实际任务……' + WRITEBACK, { schema, label })

3. 模型档位纪律

不传 model 即继承主会话模型，所以每个 agent() 都显式写 model（层级别名如 'opus'、'fable'，浮动到最新，不写死型号）。选哪一档按使用者自己的派工策略（写在项目 CLAUDE.md 或用户规则里），本技能不预设档位。