AGILE TEAM

# L5 — Agent Pipeline（智能体流水线）

🟡 试运行中

_pipeline.md 协议已落地（v2.7.3），Skill 间 I/O 契约已定义，当前进入试运行阶段。正在真实项目中验证完整 Pipeline 链路。

是什么

Agent Pipeline 是预定义的多步 AI 自动化工作流——上一步的输出自动成为下一步的输入，AI 在步骤间自主传递状态，人只需要在关键节点做 Review。

它不是单个 AI 对话，也不是多个孤立 Skill 的手动拼接，而是有明确状态机的自动串联执行链：

触发入口
    ↓
Step 1 执行 → 产物 A + 状态检查
    ↓（满足条件才进入下一步）
Step 2 执行 → 产物 B + 状态检查
    ↓
Step N 执行 → 最终交付物
    ↓
[可选] 人工 Review 节点

核心能力

能力	说明
状态传递	每步输出自动传递给下一步，无需人工复制粘贴
条件分支	根据中间结果走不同路径（如审计发现严重偏差 → 阻断代码生成）
人工检查点	关键节点暂停等待确认，保留人的控制权
错误恢复	某步失败时可重跑该步，不必从头开始
审计日志	每步输入输出可回溯，便于调试和复盘

行业实现方式

方案	特点	适用场景
LangGraph	图状态机，支持循环和条件分支	Python 技术栈，复杂分支流程
AutoGen	多轮 Agent 对话链	需要 Agent 之间互相提问的场景
n8n / Dify	可视化工作流编排	非技术角色搭建流程
自定义协议文件	Markdown 描述步骤依赖关系，AI 读取后自主执行	轻量嵌入现有项目，无额外框架依赖

对于大多数工程团队来说，自定义协议文件是进入 L5 的最低成本路径——不引入新框架，只需写好一份 _pipeline.md，让 AI 读取后按规则串联已有 Skill。

本项目的 L5 落地

与当前工作流的对比

当前（L2-L4）：人工触发每一步

用户 → 触发 prototype-scan → 查看输出
用户 → 手动传递文件路径 → 触发 api-contract
用户 → 手动触发 page-codegen → 审查代码
用户 → 手动触发 convention-audit

目标（L5）：AI 自主串联，人工只做 review

用户 → 触发 prototype-scan
AI   → 输出页面清单 → 提示"建议触发 api-contract，是否继续？"
用户 → 确认
AI   → 自动执行 api-contract → 提示"api.md 已生成，建议触发 page-codegen？"
...

核心设计：`_pipeline.md` 协议

prototype-scan
  output_file: reports/PROTOTYPE_SCAN_*.md
  next_suggest: api-contract（可批量触发，每页一次）

api-contract
  input_from: prototype-scan output 或用户口述
  output_file: src/views/**/api.md
  next_suggest: page-codegen

page-codegen
  input_from: api-contract output
  output_files: data.ts + index.vue + index.scss
  next_suggest: convention-audit → [menu-sync, dict-sync]（并行可选）

convention-audit
  input_from: 任意 .vue / data.ts 文件
  output_file: reports/AUDIT_*.md
  next_suggest: code-fix（有 P0 偏差时）

灵活性原则

Pipeline 不是强制线性流水线，任一步骤可单独触发：

场景	流程
有原型文档	prototype-scan → api-contract → page-codegen → convention-audit → menu-sync
直接口述需求	[口述] → page-codegen → convention-audit → menu-sync
只审计现有代码	convention-audit → code-fix
只同步字典	dict-sync（独立运行）
某步结果不满意	重跑那一步即可，不需要从头来过

实现难度与时间线

难度：低到中。不需要新框架——Cursor / Copilot Agent 模式 + 长上下文已支持多步骤自主执行。_pipeline.md 已于 v2.7.3 落地，当前进入试运行阶段。

剩余工作：协议已于 v2.7.3 落地，试运行重点验证两件事——状态传递的可靠性（产物路径漂移、部分失败后单步重跑）与人工检查点的触发时机（哪些节点必须等人确认后才继续）。

业界实践参考

以下均为公开资料，可作为构建 Agent Pipeline 的技术选型参考。

公司	项目/实践	描述
字节跳动（Trae）	Trae Agent 模式	字节自研 AI IDE，内置 Agent Pipeline 模式，支持多步 Skill 自动串联，国内落地典型案例
Cursor	Cursor Agent Mode	主流编辑器中最成熟的 Pipeline 实现，支持多步骤自动执行 + 检查点确认
Devin（Cognition AI）	Devin	最早商业化的完整 Agent Pipeline 产品，原型到代码到测试全自动
GitHub	Copilot Workspace	GitHub 官方 Pipeline 产品，Issue → Plan → Code → PR 自动串联
百度文心	AppBuilder	国内典型 Agent Pipeline 低代码平台，可视化编排多步骤 AI 流程

参考资料

资源	说明
Anthropic — Building effective agents	Agent Pipeline 核心设计原则，强烈推荐阅读
LangGraph 官方文档	图状态机框架，L5 的主流技术实现之一
GitHub Copilot Workspace	GitHub 官方 Pipeline 产品介绍
Cursor Agent 文档	编辑器内置 Pipeline 最佳实践
Trae 官网	字节自研 AI IDE，国内 Agent Pipeline 落地参考

是什么 ​

核心能力 ​

行业实现方式 ​

本项目的 L5 落地 ​

与当前工作流的对比 ​

核心设计：_pipeline.md 协议 ​

灵活性原则 ​

实现难度与时间线 ​

业界实践参考 ​

参考资料 ​

延伸阅读 ​

是什么