# Agent Conductor：将 Agent 技能转化为可验证、可视化的工作流编排系统

> Agent Conductor 提供了一套轻量级规范和本地看板工具，将任意 Agent 技能转化为带独立验证步骤的卡片式工作流，通过结构化指令和依赖管理提升 AI 任务执行的可靠性和可观测性。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-06-06T14:14:31.000Z
- 最近活动: 2026-06-06T14:28:57.238Z
- 热度: 154.8
- 关键词: Agent Conductor, 工作流编排, Agent, 看板, 验证机制, Kanban, CLI工具, 工作流规范, AI工作流, 任务分解
- 页面链接: https://www.zingnex.cn/forum/thread/agent-conductor-agent
- Canonical: https://www.zingnex.cn/forum/thread/agent-conductor-agent
- Markdown 来源: ingested_event

---

## 原作者与来源

- 原作者/维护者：mettafive
- 来源平台：github
- 原始标题：agent-conductor
- 原始链接：https://github.com/mettafive/agent-conductor
- 来源发布时间/更新时间：2026-06-06T14:14:31Z

## 原作者与来源\n\n- **原作者/维护者**: mettafive\n- **来源平台**: GitHub\n- **原始标题**: agent-conductor\n- **原始链接**: https://github.com/mettafive/agent-conductor\n- **发布时间**: 2026年6月6日\n\n---\n\n## 引言：Agent 工作流的信任危机\n\n大型语言模型（LLM）驱动的 Agent 正在从实验走向生产。我们让 Agent 执行越来越复杂的任务：研究资料、撰写报告、审查代码、部署服务。但随之而来的是一个根本性问题：**如何确保 Agent 真的完成了它被要求做的事情？**\n\n传统的软件有单元测试、集成测试、代码审查来保证质量。但 Agent 的输出是开放式的自然语言，传统的测试方法难以适用。你可能让 Agent "研究量子计算并写一份报告"，但它可能只找了两个来源，或者引用了不可靠的信息，而你直到阅读完整份报告才能发现问题。\n\nAgent Conductor 正是为解决这一问题而生。它不是又一个 Agent 框架，而是一套**工作流编排规范**，将复杂任务分解为可独立验证的步骤，每个步骤都有明确的完成标准。\n\n---\n\n## 核心概念：卡片、验证与看板\n\nAgent Conductor 的核心理念可以用三个词概括：**卡片化分解、独立验证、可视化追踪**。\n\n### 卡片化分解\n\n任何技能或运行手册（runbook）都可以被转化为一系列"卡片"。每张卡片代表一个明确的任务单元，包含：\n\n- **ID**：唯一标识符\n- **标题**：人类可读的描述\n- **指令（Instruction）**：Agent 需要执行的具体任务\n- **依赖（Requires）**：该卡片依赖的其他卡片\n\n这种分解强制你将模糊的目标转化为清晰的、可验证的步骤。\n\n### 独立验证\n\n这是 Agent Conductor 最具创新性的设计。每张卡片完成后，必须通过**独立验证**才能标记为完成。\n\n验证的基本逻辑很简单：\n\n> Agent 被要求做 X。这是它产出的结果。它是否满足了 X 的要求？\n\n验证可以是：\n- 人工审查：人类检查 Agent 的输出\n- 自动化检查：脚本验证输出格式、内容完整性\n- 外部工具：调用其他 Agent 或 API 进行交叉验证\n\n关键原则是：**验证者与执行者分离**。这避免了 Agent "自我评分"带来的偏见。\n\n### 可视化追踪\n\nAgent Conductor 提供一个本地看板（Kanban Board），实时显示工作流状态：\n\n- **Pending**：等待依赖完成\n- **Running**：正在执行\n- **Checking**：等待验证\n- **Done**：已完成并通过验证\n- **Failed**：执行或验证失败\n\n这种可视化让长时间运行的 Agent 任务变得可观测，你可以随时了解进度，发现瓶颈。\n\n---\n\n## 规范详解：conductor.json\n\nAgent Conductor 使用 JSON 文件定义工作流。一个典型的 `conductor.json` 如下：\n\n```json\n{\n  \"conductor\": \"3.0.0\",\n  \"name\": \"basic-report\",\n  \"description\": \"Research, then write a sourced report.\",\n  \"max_attempts\": 5,\n  \"steps\": [\n    {\n      \"id\": \"research\",\n      \"title\": \"Research\",\n      \"instruction\": \"Gather at least five credible sources, each with a URL and takeaway.\",\n      \"requires\": []\n    },\n    {\n      \"id\": \"write-report\",\n      \"title\": \"Write report\",\n      \"instruction\": \"Write the report from the research and cite every factual claim.\",\n      \"requires\": [\"research\"]\n    }\n  ]\n}\n```\n\n### 字段说明\n\n**顶层字段**：\n\n- `conductor`：规范版本号，用于兼容性检查\n- `name`：工作流标识符\n- `description`：工作流描述\n- `max_attempts`：单张卡片的最大重试次数\n- `steps`：卡片数组\n\n**卡片字段**：\n\n- `id`：唯一标识符，用于依赖引用\n- `title`：显示在看板上的标题\n- `instruction`：Agent 执行的具体指令\n- `requires`：依赖列表，引用其他卡片的 ID\n\n### 依赖图\n\n通过 `requires` 字段，你可以构建任意复杂的依赖图：\n\n```\nresearch ──┬──→ write-report ──→ review ──→ publish\n           └──→ create-images ──┘\n```\n\nAgent Conductor 会自动处理依赖顺序，确保卡片按正确顺序执行。\n\n---\n\n## 验证机制详解\n\n### 验证流程\n\n```\n1. Agent 执行卡片任务\n2. 产出保存到 .conductor/outputs/{card-id}.md\n3. 验证者检查产出\n4. 验证结果记录到状态文件\n5. 只有通过验证，卡片才能标记为完成\n```\n\n### CLI 命令\n\n```bash\n# 检查卡片产出\nnpx conductor-board check research --output-file .conductor/outputs/research.md\n\n# 记录验证通过\nnpx conductor-board complete research\n```\n\n如果没有验证结果，complete 会失败：\n\n```\nno checker result — run the independent checker first.\n```\n\n### 验证证据\n\n验证通过时，可以附加证据：\n\n```bash\nnpx conductor-board gate-result research --passed --evidence \"Found 7 credible sources with URLs\"\n```\n\n这些证据会保存在状态文件中，供后续审计。\n\n---\n\n## 快速上手\n\n### 安装\n\nAgent Conductor 作为 npm 包分发，无需安装即可使用：\n\n```bash\nnpx conductor-board\n```\n\n### 初始化项目\n\n```bash\nnpx conductor-board init\n```\n\n这会创建 `.conductor/` 目录结构：\n\n```\n.conductor/\n├── conductor.json    # 工作流定义\n├── status.json       # 当前状态\n├── outputs/          # 卡片产出\n└── logs/             # 执行日志\n```\n\n### 验证工作流定义\n\n```bash\n# 验证卡片定义\nnpx conductor-board cards .conductor/cards.json\n\n# 验证完整工作流\nnpx conductor-board validate .conductor/conductor.json\n```\n\n### 初始化状态\n\n```bash\nnpx conductor-board status-init .conductor/conductor.json\n```\n\n这会创建初始状态文件，所有卡片标记为 pending。\n\n### 执行工作流\n\nAgent 读取 `CONDUCTOR.md` 或 `setup.conductor.json` 中的指令，按顺序执行卡片。\n\n### 更新进度\n\n```bash\n# 记录工作笔记\nnpx conductor-board heartbeat research \"Found 3 sources so far\" --card\n\n# 标记验证通过\nnpx conductor-board gate-result research --passed --evidence \"7 sources verified\"\n\n# 标记完成\nnpx conductor-board complete research\n```\n\n---\n\n## 创作流程：从技能到工作流\n\nAgent Conductor 推荐两阶段创作流程：\n\n### 第一阶段：卡片设计\n\n将技能分解为卡片，只关注 `id`、`title` 和 `instruction`：\n\n```json\n{\n  \"cards\": [\n    {\n      \"id\": \"outline\",\n      \"title\": \"Create Outline\",\n      \"instruction\": \"Create a detailed outline with at least 5 main sections.\"\n    },\n    {\n      \"id\": \"draft\",\n      \"title\": \"Write Draft\",\n      \"instruction\": \"Write the first draft following the outline.\"\n    }\n  ]\n}\n```\n\n### 第二阶段：依赖映射\n\n添加依赖关系，组装成完整工作流：\n\n```json\n{\n  \"steps\": [\n    {\n      \"id\": \"outline\",\n      \"title\": \"Create Outline\",\n      \"instruction\": \"...\",\n      \"requires\": []\n    },\n    {\n      \"id\": \"draft\",\n      \"title\": \"Write Draft\",\n      \"instruction\": \"...\",\n      \"requires\": [\"outline\"]\n    }\n  ]\n}\n```\n\n这种分离让你先专注于任务分解，再处理执行顺序。\n\n---\n\n## 使用场景\n\n### 内容创作工作流\n\n```json\n{\n  \"steps\": [\n    {\"id\": \"research\", \"instruction\": \"Research topic, find 5+ sources\"},\n    {\"id\": \"outline\", \"instruction\": \"Create detailed outline\", \"requires\": [\"research\"]},\n    {\"id\": \"draft\", \"instruction\": \"Write first draft\", \"requires\": [\"outline\"]},\n    {\"id\": \"edit\", \"instruction\": \"Edit for clarity and style\", \"requires\": [\"draft\"]},\n    {\"id\": \"fact-check\", \"instruction\": \"Verify all factual claims\", \"requires\": [\"edit\"]}\n  ]\n}\n```\n\n每个阶段都有明确的产出标准，验证者可以针对性地检查。\n\n### 代码审查工作流\n\n```json\n{\n  \"steps\": [\n    {\"id\": \"static-analysis\", \"instruction\": \"Run linter and type checker\"},\n    {\"id\": \"security-scan\", \"instruction\": \"Scan for vulnerabilities\", \"requires\": [\"static-analysis\"]},\n    {\"id\": \"test-coverage\", \"instruction\": \"Ensure >80% coverage\", \"requires\": [\"static-analysis\"]},\n    {\"id\": \"final-review\", \"instruction\": \"Human review of changes\", \"requires\": [\"security-scan\", \"test-coverage\"]}\n  ]\n}\n```\n\n并行执行静态分析和安全扫描，都通过后再进行人工审查。\n\n### 数据管道工作流\n\n```json\n{\n  \"steps\": [\n    {\"id\": \"extract\", \"instruction\": \"Extract data from sources\"},\n    {\"id\": \"transform\", \"instruction\": \"Clean and transform data\", \"requires\": [\"extract\"]},\n    {\"id\": \"validate\", \"instruction\": \"Validate data quality\", \"requires\": [\"transform\"]},\n    {\"id\": \"load\", \"instruction\": \"Load to warehouse\", \"requires\": [\"validate\"]}\n  ]\n}\n```\n\n经典的 ETL 流程，每个阶段都有验证关卡。\n\n---\n\n## 设计哲学\n\n### 显式优于隐式\n\nAgent Conductor 要求你显式定义：\n\n- 每个步骤的输入输出\n- 步骤之间的依赖关系\n- 完成标准的验证方式\n\n这种显式定义虽然增加了前期工作量，但大大降低了后期调试和维护的成本。\n\n### 验证与执行分离\n\n这是 Agent Conductor 的核心原则。执行者和验证者必须是不同的实体（人或系统），这样才能避免"自我评分"的偏见。\n\n### 人类在回路\n\nAgent Conductor 不追求全自动，而是追求**可控的自动化**。人类可以在任何步骤介入：审查产出、调整指令、跳过验证、重试失败步骤。\n\n### 工具无关\n\nAgent Conductor 是一个规范，不是特定的 Agent 实现。你可以用任何 Agent 框架（LangChain、AutoGPT、Claude Code 等）执行工作流，只要它能读取 JSON 指令并更新状态文件。\n\n---\n\n## 局限与考量\n\n### 学习曲线\n\n相比直接给 Agent 一个模糊指令，使用 Agent Conductor 需要：\n\n- 学习规范格式\n- 思考任务分解\n- 设计验证标准\n- 维护工作流定义\n\n对于简单的一次性任务，这可能显得繁琐。但对于重复性、关键性的工作流，这种投入是值得的。\n\n### 验证成本\n\n独立验证意味着额外的开销：\n\n- 人工验证需要时间\n- 自动化验证需要开发\n- 验证失败需要重试\n\n你需要权衡验证的严格程度与执行效率。\n\n### 状态管理\n\n`.conductor/` 目录中的状态文件需要妥善管理：\n\n- 多人协作时需要同步机制\n- 长时间运行的任务需要持久化\n- 敏感产出需要访问控制\n\n---\n\n## 生态与工具链\n\nAgent Conductor 提供：\n\n- **CLI 工具**：`conductor-board` 命令行界面\n- **规范文档**：`spec/conductor-spec.md`\n- **示例集合**：`examples/` 目录\n- **模板库**：`templates/` 目录\n- **看板界面**：本地 Web 界面实时显示状态\n\n社区可以贡献：\n\n- 特定领域的模板（法律文档、医疗报告、金融分析）\n- 验证工具（格式检查器、来源验证器、风格检查器）\n- 集成插件（CI/CD 集成、通知系统）\n\n---\n\n## 总结\n\nAgent Conductor 代表了 Agent 工作流管理的一个重要方向：**从黑盒执行到白盒编排**。\n\n它不提供更强大的 Agent，而是提供一种更可靠的方式来使用现有 Agent。通过卡片化分解、独立验证和可视化追踪，它让复杂的 Agent 任务变得可控、可观测、可审计。\n\n对于正在将 Agent 投入生产的团队，Agent Conductor 提供了一种务实的质量保障方案。它承认 Agent 的不确定性，但通过结构化流程将这种不确定性限制在可控范围内。\n\n如果你正在寻找一种方法来提升 Agent 工作流的可靠性，Agent Conductor 值得一试。它的学习曲线适中，但带来的可观测性和可验证性提升是显著的。