1. AI 开发流程 · 三大核心技能速通
2. 覆盖从需求到交付的完整开发流程：多角色编排开发、自动化工 作流、持续自我进化。快速上手，让 AI 真正成为你的开发搭档。
3. team-dev 多角色开发编排
4. ⚙️ workflow-automator 工作流自动化
5. self-improving 自我进化
6. team-dev⚙️ workflow-automator self-improving 横向对比❓ FAQ

team-dev 多角色开发编排

从零构建网站/App/小程序 · 8种角色协同工作

核心理念

不是真正的多 Agent，而是把高级开发者的思维方式固化成可重复执行的 Skill。

传统 AI 写代码：给你一段代码，但缺少需求分析、架构设计、测试验证等工程环节。

team-dev 的思路：用 AI 模拟一个完整开发团队的思维方式，先分析再开发，边开发边审查，保证交付质量。

PM
需求理解

→

架构师
技术方案

→

主控
任务拆解

→

前后端
代码编写

→

测试
验证构建

→

审查+质疑
交付评估

关键洞察：这不是让 AI 真正并行工作，而是模拟一个有经验的高级开发者如何思考一个项目——先想清楚再做，按顺序执行，每个环节有产出物。

8种角色详解

team-dev 模拟了 8 种开发角色，每个角色有明确的输入、输出和职责：

PM 产品经理

理解需求、输出产品方案、定义 MVP 范围

Architect 架构师

技术选型、模块拆分、数据结构设计

Orchestrator 主控

统一上下文、拆解任务、合并结果、最终验收

Frontend 前端

页面/组件/样式/交互实现

Backend 后端

接口/数据模型/业务逻辑

Tester 测试

测试用例编写、功能检查

Reviewer 审查

代码质量审查、需求覆盖度检查

Skeptic 质疑者

找漏洞、找风险、找反例，强制质疑清单

Skeptic 强制质疑清单（每个方案必过）

#	质疑问题	检查点
1	需求理解有没有偏差？	需求澄清
2	有没有隐藏的前置条件？	前置依赖
3	交互设计有没有不合理的地方？	交互体验
4	技术风险有没有被低估？	风险评估
5	有没有遗漏的需求边界情况？	边界覆盖

完整执行流程（7步）

Step	动作	产出物	说明
1	接收需求	.team-dev/input.md	保存原始需求
2	PM 产品理解	brief.md	需求摘要 + 核心功能 + 用户故事
3	架构师技术方案	plan.md	技术选型 + 模块拆分 + 风险评估
4	主控任务拆解	tasks.json	所有子任务 + 依赖关系
5	角色执行	源代码文件	按 tasks 顺序串行执行
6	测试验证	test-report.md	运行真实构建/测试命令
7	审查交付	review.md + acceptance.md	质量报告 + 最终验收结论

5分钟快速上手

触发方式

直接告知 QClaw 你的需求：

# 方式1：直接描述需求
/team-dev 我想做一个小程序：用户拍照上传商品，后台自动识别品牌和型号，返回商品信息和价格对比

# 方式2：在对话中随时调用
用 team-dev 来做这个功能：XXX

目录结构规范

project/
├── src/                          ← 源代码
├── .team-dev/                    ← 工作目录（自动创建）
│   ├── input.md                  用户原始需求
│   ├── brief.md                  PM 产品需求理解
│   ├── plan.md                   技术实现方案
│   ├── tasks.json               开发任务列表（机器可读）
│   ├── decisions.md             关键决策记录
│   ├── review.md                 代码审查报告
│   ├── test-report.md           测试结果
│   ├── acceptance.md             最终验收结论
│   └── logs/                     各角色执行日志
└── prompts/                      ← 可选：角色 Prompt 定义

tasks.json 规范

tasks.json 是机器可读的任务清单，定义了每个任务的 ID、标题、角色、目标文件、依赖和验收条件：

{
  "version": "1.0",
  "generated_at": "2026-05-12",
  "brief_version": "brief.md",
  "plan_version": "plan.md",
  "tasks": [
    {
      "id": "task-001",
      "title": "任务标题",
      "role": "frontend_engineer",
      "target_files": ["src/pages/xxx.vue"],
      "depends_on": [],
      "acceptance": "验收条件描述",
      "priority": "high"
    }
  ]
}

平台适配指南

team-dev 支持多种开发平台，自动适配对应的技术栈：

平台	技术栈	构建命令
App(Android)	Kotlin + Jetpack Compose / Flutter	flutter build apk –release
App(iOS)	Swift + SwiftUI / React Native	flutter build ios –release
微信小程序	Taro / 原生 WXML	npm run build
UniApp	Vue + UNI-API	uni build
Web	Vue / React / Svelte	npm run build
后端	Node.js / Python / Go	go build / python manage.py

风险控制

风险	控制方式
上下文分叉	所有角色必须读取同一份 brief.md 和 plan.md
代码冲突	第一版串行执行，不并行改同一文件
审查流于形式	加入 Skeptic 强制质疑清单
测试不真实	必须运行真实构建/测试命令

✅ 验收标准：命令入口 → 完整交付物 → 角色分工明确 → tasks.json 机器可读 → 真实构建/测试运行 → 含代码审查报告

⚙️ workflow-automator 工作流自动化

用 YAML 定义多步骤流水线 · Bash 原生 · 零依赖

v2.0 · BytesAgain

目录

1. 核心概念
2. 10条核心命令
3. YAML 格式详解
4. 实战模板
5. OpenClaw 集成

核心概念

workflow-automator 是一个零依赖的纯 Bash 工作流引擎，用 YAML 文件定义多步骤任务流水线，支持错误重试、条件跳过、日志记录和定时调度。

错误重试

每个步骤可独立设置重试次数，网络抖动不再导致任务失败

条件跳过

用 Shell 表达式控制步骤执行，流程真正智能

⏰

Cron 调度

内置 crontab 集成，定义一次，自动定时运行

执行历史

每次运行都有完整日志，出了问题有据可查

导出分享

工作流打包成 base64，一键分享到其他机器

并发锁

同名工作流不可同时运行，防止数据冲突

⚠️ 重大特性：纯 Bash 实现，无需安装 Python / Node.js / Docker，Windows (Git Bash / WSL)、Linux、macOS 均可运行。

10条核心命令

命令	说明	示例
init	初始化工作流项目	workflow-automator init
run <file>	执行工作流	workflow-automator run backup.yml
validate <file>	验证 YAML 语法	workflow-automator validate deploy.yml
list	列出所有工作流	workflow-automator list
status [run_id]	查看运行状态	workflow-automator status
log [run_id]	查看执行日志	workflow-automator log
schedule <file> <cron>	定时调度	schedule deploy.yml “0 2 * * *”
template <type>	生成模板	template backup
export <file>	导出分享	workflow-automator export deploy.yml
history [n]	执行历史	workflow-automator history 20

YAML 格式详解

name: daily-backup              # 工作流名称（必填）
description: "每日数据库备份"     # 描述说明
retry: 2                        # 全局重试次数（默认0）
on_failure: notify               # 失败时执行的命令

steps:
  - name: check-disk              # 步骤名称（必填）
    run: df -h | head -5           # 要执行的命令（必填）

  - name: backup-db
    run: pg_dump mydb > backup.sql
    retry: 3                    # 该步骤单独设置重试3次

  - name: compress
    run: gzip backup.sql
    condition: test -f backup.sql  # 前置条件：仅当文件存在时执行

  - name: notify
    run: echo "Backup done"
    on_failure: echo "Failed"     # 该步骤失败时的处理

字段说明表

字段	类型	说明
name	必填	工作流唯一名称
description	可选	人类可读的描述
retry	可选	全局重试次数，默认0
on_failure	可选	工作流失败时执行的命令
steps[].name	必填	步骤唯一名称
steps[].run	必填	要执行的 Shell 命令
steps[].retry	可选	该步骤重试次数（覆盖全局）
steps[].condition	可选	Shell 表达式，为0则跳过
steps[].timeout	可选	超时时间（秒），默认300s
steps[].on_failure	可选	该步骤失败时执行的命令

实战模板（4种常用场景）

生成模板命令：

# 生成以下4种模板之一
workflow-automator template backup    ← 备份模板
workflow-automator template deploy    ← 部署模板
workflow-automator template monitor   ← 监控模板
workflow-automator template report    ← 报表模板

模板1：每日备份

name: daily-backup
description: "数据库备份 + 压缩 + 通知"
retry: 2

steps:
  - name: check-disk
    run: df -h | grep -E '/$'

  - name: backup-db
    run: pg_dump mydb > /backups/backup-$(date +%Y%m%d).sql
    retry: 3

  - name: compress
    run: gzip /backups/backup-$(date +%Y%m%d).sql

  - name: notify
    run: echo "[$(date)] Backup completed"

模板2：应用部署

name: app-deploy
description: "构建 + 测试 + 部署流水线"
retry: 1

steps:
  - name: build
    run: npm run build
    timeout: 600

  - name: test
    run: npm test
    condition: test -f dist/index.html  # 构建产物存在才测

  - name: deploy
    run: scp -r dist/* user@server:/var/www/app/
    retry: 2

OpenClaw 集成

workflow-automator 是 OpenClaw 的原生自动化引擎，可以：

场景	OpenClaw 能做什么
自动化重复任务	定义一次，自动永久执行
定时维护	备份、清理、健康检查
构建流水线	多步部署 + 失败回滚
系统监控	定期检查 + 异常告警
数据报表	定时采集数据 + 格式化输出

与 Cron 的区别：workflow-automator 比 Cron 更强劲——Cron 只能定时触发单条命令，而 workflow-automator 可以定义包含多个步骤、条件判断、错误重试的完整流水线。

self-improving 自我进化

自我反思 + 自我批评 + 持续学习 · 让 AI 越用越机智

v1.2.16 · Clawic

目录

1. 核心机制
2. 三层记忆架构
3. 学习信号识别
4. 自我反思机制
5. 核心规则
6. 常见陷阱

核心机制：让 AI 从错误中学习

self-improving 的核心使命是：让 AI 在每次任务中学习，下一次变得更好。它不靠猜测，而是基于明确的反馈信号（纠正、批评、成功经验）来积累知识。

传统的 AI：每次对话都是独立的，犯过的错下次还犯。

有了 self-improving：AI 会把用户的纠正记录下来，下次自动应用，越用越懂你。

收到纠正
或自我发现

→

记录到 corrections.md

→

评估是否值得保留

→

3次重复 → 升级到 memory.md

三层记忆架构（热/温/冷）

记忆文件分布在 ~/self-improving/ 目录下，按访问频率分为三层：

HOT 热层

memory.md

≤100行，始终加载
全局偏好、高频规则
立即生效

️ WARM 温层

projects/ · domains/

≤200行/文件，按需加载
项目专属、领域专属知识
上下文匹配时触发

❄️ COLD 冷层

archive/

无限制，按需查询
已失效或长期未用的模式
显式查询时访问

层级	文件	加载方式	大小限制
HOT	memory.md	始终加载（≤100行）	≤100 行
WARM	projects/ · domains/	上下文匹配时加载	≤200 行/文件
COLD	archive/	显式查询时加载	无限制

学习信号识别

self-improving 会自动识别以下信号，并决定是否记录：

✅ 应该记录（Corrections）

用户明确纠正时，关键词包括：
"No, that's not right..."
"Actually, it should be..."
"You're wrong about..."
"I prefer X, not Y"
"Remember that I always..."
"I told you before..."
"Stop doing X"
"Why do you keep..."

✅ 应该记录（Preference 信号）

用户明确表达偏好时：
"I like when you..."
"Always do X for me"
"Never do Y"
"My style is..."
"For [project], use..."

⚠️ 不记录（保持谨慎）

以下情况不记录，防止污染记忆：
- 一次性指令（"do X now"）
- 上下文特定的（"in this file..."）
- 假设性问题（"what if..."）

自我反思机制

除了记录用户纠正，self-improving 还会在完成任务后主动反思：

何时触发自我反思

场景	说明
完成多步骤任务后	检查整体质量
收到反馈（正面/负面）	分析缘由
修复 Bug 后	记录教训
发现输出可以更好	自我评估

反思日志格式

CONTEXT: [任务类型]
REFLECTION: [我注意到了什么]
LESSON: [下次要怎样做不同]

示例：
CONTEXT: 构建 Flutter UI
REFLECTION: 间距看起来不对，不得不返工
LESSON: 展示给用户前先检查视觉间距

核心规则（7条铁律）

#	规则	说明
1	学习来自纠正和反思	不沉默推断；3次重复后确认成规则
2	三层存储隔离	热/温/冷按频率分层，永不越层加载
3	自动升降级	7天3次 → 升 HOT；30天不用 → 降 WARM；90天不用 → 归档
4	命名空间隔离	项目 → 领域 → 全局，最具体者优先
5	冲突解决	最具体优先；同级别最新优先；模糊时询问用户
6	压缩而非删除	合并类似规则，摘要冗长条目，从不丢失
7	透明引用	每次应用记忆时注明来源，如：(from projects/foo.md:12)

常见陷阱

陷阱	为什么会失败	正确做法
从沉默中学习	沉默≠同意，会产生错误规则	等待明确纠正或重复证据
升级太快	污染 HOT 记忆，降低推理效率	新教训保持试探性，直到3次验证
加载所有命名空间	浪费上下文，拖慢速度	只加载 HOT + 最匹配的小文件
压缩时删除	丢失历史记录和用户信任	合并、摘要或降级，绝不删除

效果：使用 self-improving 一段时间后，AI 会越来越懂你的工作风格——代码习惯、输出偏好、常见错误类型。相当于给 AI 装了一个”职业记忆”。

ontology 知识图谱（补充）

结构化记忆管理 · 实体关系建模

v1.0.4 · 待安装

⚠️ 注意：ontology 技能目前在 SkillHub 上未找到正式安装包，但它的设计理念值得了解。 如需使用，可以尝试

skillhub install ontology

或联系开发者。

设计理念

ontology 提供了用结构化知识图谱来管理 Agent 记忆的能力，特别适合复杂项目中的实体关系建模。

支持的实体类型

Person 人物

姓名、角色、联系方式、偏好

Project 项目

名称、状态、技术栈、团队成员

✅

Task 任务

标题、负责人、截止日期、依赖关系

Document 文档

标题、类型、路径、关联项目

使用场景

场景	ontology 如何协助
大型项目多人协作	用图谱追踪每个成员负责的模块
需求变更追踪	用关系链追踪 A 功能 → B 接口 → C 数据库
复杂依赖管理	查询”哪些任务依赖这个模块”
知识复用	从历史项目中提取类似实体的经验

替代方案：如果 ontology 暂不可用，可以用

projects/

目录（在 self-improving 中）来模拟类似效果，为每个项目建立独立的知识文件。

横向对比：三技能如何协同

分工明确 · 互补增强 · 覆盖全流程

维度	team-dev	⚙️ workflow-automator	self-improving
核心职责	多角色开发编排	自动化任务流水线	持续学习进化
触发方式	/team-dev 需求描述	YAML 定义 + 命令执行	自动（无需手动）
输出	完整项目代码 + 审查报告	流水线执行结果 + 日志	记忆文件（memory.md 等）
使用场景	从零做 App/小程序/网站	备份/部署/监控/报表	每次对话持续生效
时间维度	单次项目开发	支持定时重复	跨会话长期积累
技术栈	AI 角色模拟（纯方法论）	纯 Bash，零依赖	文件存储（纯文本）
团队规模	8种虚拟角色	单人/单流程	个人专属
学习能力	⚪ 不自动学习	⚪ 不自动学习	✅ 自动学习进化

三者如何组合使用？

# 场景：做一个 AI 新闻聚合小程序

## 第一步：用 team-dev 规划项目
/team-dev 我想做一个小程序：聚合科技/财经/体育新闻，推送给用户

# team-dev 输出：brief.md + plan.md + tasks.json + 完整代码

## 第二步：用 workflow-automator 自动化新闻采集
workflow-automator run news-fetch.yml
# 每天早上8点自动执行，定时抓取新闻
workflow-automator schedule news-fetch.yml "0 8 * * *"

## 第三步：self-improving 自动记录使用反馈
# 用户说："新闻分类不太准"
# → 自动记录到 corrections.md
# → 下次 team-dev 做相关功能时自动参考

✅ 推荐组合：team-dev（做）+ workflow-automator（自动化）+ self-improving（进化）= 完整的 AI 开发闭环。从”做”到”自动化”再到”越做越好”。

❓ FAQ 常见问题

问题	答案
team-dev 是不是真正的多 Agent？	不是。它是用 AI 模拟多个角色的思维方式，本质还是串行执行。第一版这样做是为了避免上下文分叉和数据冲突。
workflow-automator 和 OpenClaw 内置的 Cron 有什么区别？	Cron 只能定时触发单条命令；workflow-automator 支持多步骤、条件判断、错误重试、日志记录，适合复杂流水线。
self-improving 会记录所有我说的话吗？	不会。只有明确的纠正（”No…”）、偏好声明（”Always…”）和自我反思结果才会记录。一次性的指令和假设性问题不会记录。
三个技能可以同时启用吗？	可以。它们各自独立，互不冲突。team-dev 负责开发，workflow-automator 负责自动化运维，self-improving 负责持续进化。
记忆文件会无限增长吗？	不会。self-improving 有自动压缩和归档机制：超过大小限制会合并；90天不用的规则自动归档到冷层。
team-dev 适合做复杂的企业级系统吗？	适合 MVP 快速验证。复杂系统提议分模块使用 team-dev，每次做一个功能模块，逐步迭代。
如何查看 workflow-automator 的执行历史？	workflow-automator history [n] 查看最近 n 条记录；workflow-automator log [run_id] 查看详细日志。
self-improving 的记忆文件在哪里？	~/self-improving/memory.md（热层）， ~/self-improving/projects/（温层），~/self-improving/archive/（冷层）。

快速命令速查卡

team-dev 触发

/team-dev [需求描述]

⚙️ workflow-automator

workflow-automator run xxx.yml
workflow-automator schedule x.yml "0 8 * * *"
workflow-automator template backup

self-improving 查询

Show my patterns / 记忆状态
What have you learned? / 近期纠正
What's in warm storage? / 温层内容

探索更多技能

skillhub search [关键词]
skillhub install [技能名]
skillhub list

QClaw 技能培训 · AI 开发流程三件套 · 2026-05-12

team-dev · workflow-automator · self-improving