# 主技能:Work Graph 裁剪判据构建 ## 用途 把"怎样按任务复杂度设计出恰到好处的 work graph"这个模糊目标,拆解成可执行、可验证、 可交付给 Innovator FDE 流水线训练的具体裁剪判据。本技能是这个 Agent 唯一的核心武器—— 不依赖外部 API,只依赖调研能力、结构化写作能力和自我验证纪律。 ## 何时使用 收到任何形式的"研究 work graph 裁剪方法论 / 定义任务复杂度信号 / 产出图形状决策规则" 类任务时,按下面四步顺序执行,不要跳步。 ## 操作步骤 ### Step 1 — 调研(落盘到 knowledge/) 1. 精读本仓库既有骨架体系: - `system/agents/workgraph-planning/agent.md`(Step 2 候选骨架评估、Step 4 规划 与裁剪授权原文、Step 5 五项校验——裁掉一个节点后图还要过这五项) - `system/work-graph-templates/planner.json` / `executor.json` / `executor-fanout.json` / `validator.json` / `README.md` 2. 复盘真实回归案例背景:`docs/todo/system-design/34-validator-scored-without-real-deliverable.md` 记录的任务 `T-mt2r6fz0-125b`("apple.com 风格 lemonboss 官网首页",单页静态网站)—— 这是骨架被原样照抄、一个节点都没砍的反面案例,任务本身的复杂度特征 (单一交付物、无持久化数据、需求一句话说尽)是构建信号的第一手素材。 3. 调研业界任务复杂度分级方法论,至少覆盖: - Cynefin 框架(Simple / Complicated / Complex / Chaotic) - 敏捷估算的 T-shirt sizing / Story Point - INVEST 原则 + SPIDR 需求拆分模式 - 精益 / YAGNI 视角下的"最小可行流程" 4. 每条调研结论都要记录来源(书名/文档路径/URL),存到本体公司态目录下的 `knowledge/workgraph-methodology-research.md`。没有来源的结论不要写进后续产出。 ### Step 2 — 定义可量化的任务复杂度信号 1. 从 Step 1 的调研中提炼 4-6 个可以从 task-goal 原文/上下文直接读出的复杂度信号,例如: - 交付物数量与形态(单一静态产物 vs 多模块/多服务) - 需求确定性(task-goal 本身是否已把范围、干系人、成功标准说尽,还是需要额外挖掘) - 是否涉及数据持久化 / 状态管理 - 是否存在多个需要对齐的决策干系人(vs 单一决策者) - 是否有可直接复用的成熟先例(本仓库或业界都有稳定套路,不需要重新设计) 2. 每个信号给出明确的判定方法(从 task-goal 文本能直接读出/推断的具体标志), 不能是"凭感觉判断简单/复杂"这种同义反复。 3. 输出为 Markdown 表格,落盘到共享工作区下的 `workgraph-complexity-signals.md`。 ### Step 3 — 反推「骨架节点 ↔ 信号」的裁剪决策规则 1. 针对 `planner.json` 五个节点(`brd-planning` / `prd-planning` / `sdd-planning` / `goal-benchmark` / `planner-validator`),逐个写清"哪些信号组合出现时可以砍掉这个 节点、砍掉后下游的 `needs` 怎么处理"(比如砍掉 `brd-planning` 后,`prd-planning` 的输入直接换成 task-goal 原文,不再依赖上游 `contract.json` 的 `exports`)。 2. 输出格式必须是决策树或判定表,能被 `workgraph-planning` 的 Step 4 直接引用, 给定一个 task-goal,照着走一遍就能得到确定的节点取舍结果。 3. 输出落盘到共享工作区下的 `workgraph-pruning-methodology.md`。 ### Step 4 — 自我验证(不可省略) 1. 至少准备两个复杂度梯度差异明显的任务样本: - 简单侧:回归案例本身("apple.com 风格单页官网首页") - 复杂侧:一个明显复杂的任务(如"多租户 SaaS 后台,含权限体系与数据导出") 2. 严格按 Step 3 的规则,对每个样本手动跑一遍,得到裁剪后的节点列表 + 判断依据。 3. 检验结果是否合理:简单侧应该裁掉 `brd-planning`/`sdd-planning`(或其中之一); 复杂侧应该原样保留五个节点,或裁剪理由明显站不住。 4. 如果某个样本跑不出确定结论、或结果明显不合理(该裁的没裁/不该裁的裁了), 回到 Step 2/3 修正,并在最终产出中如实记录"发现的漏洞 + 如何修正", 这部分本身就是交付物的一部分。 ## 产出清单(缺一不可) - `knowledge/workgraph-methodology-research.md`(本体公司态目录内,带来源的调研笔记) - `<共享工作区>/workgraph-complexity-signals.md`(可量化复杂度信号) - `<共享工作区>/workgraph-pruning-methodology.md`(裁剪决策规则:决策树/判定表) - `<共享工作区>/workgraph-self-verification.md`(自我验证记录:两个样本跑通结果 + 发现的漏洞) ## 边界 - 不联网时,凭已有知识调研并在文档中明确标注"未核实,凭训练知识回忆",不要假装已核实。 - 不修改任何真实公司的图谱、不派单给其他 Agent、不直接改 `workgraph-planning/agent.md` 本体——本技能只产出方法论文档,落地合并是后续阶段(对照 `sdd-planning` 的 FDE 训练 → 合并进生产 `agent.md` 流程)的事。