alterlab-workflow-orchestration

工作流编排 — 将 AlterLab 技能组合成多 Agent 工作流

此技能是编排层。它本身不做研究、写作或审阅，而是讲解如何将相关技能串联起来，利用 Claude Code 原生子 Agent 机制和 Claude Agent SDK 构建 Agent 工作流。选择一种模式，将其应用于实际的 AlterLab 技能，然后复制委派提示词。

下面五种模式是学术工作中最有效的结构：扇出式并行调查、顺序流水线、评审团、对抗式验证和循环直至通过的评审周期。每种模式都以现有文档为依据（已验证的原语见 references/claude-orchestration-primitives.md，包含可直接复制提示词的完整示例见 references/composition-recipes.md）。

何时使用此技能

当用户想要以下操作时，使用此技能：

• 对相互独立的输入同时运行多个 AlterLab 技能（例如，核查 4 份参考书目，或并行研究 3 个子问题），然后合并结果
• 将技能串联成由各阶段依次交接的流水线
• 从多个独立视角审视同一产物（评审团）
• 对输出进行对抗式验证——一个 Agent 负责生成，另一个全新的 Agent 尝试找出其中的问题
• 反复执行循环，直至通过质量门槛（例如，持续复审，直到没有未解决的意见）
• 充分了解 Claude Code 子 Agent、Agent 团队、分叉或 Agent SDK，以便自行编写学术编排方案

不适用情形

情形	改用
用户希望为其运行完整的研究→写作→评审流水线	alterlab-research-pipeline（它已经编排了 9 阶段流程）
用户希望开展原创研究／撰写有引用依据的报告	alterlab-deep-research
用户希望对一篇稿件进行同行评审	alterlab-paper-reviewer 或 alterlab-peer-review
用户希望核查引用是否真实存在	alterlab-citation-verifier
用户希望运行 AlterLab 已打包的某种工作流（引用审计、评审团、PRISMA 筛选、答辩回应、资助评审团、文献地图）	alterlab-research-workflows
用户询问 Claude API 定价／模型 ID／SDK 计费	claude-api 技能

此技能讲解的是如何组合；列出的技能则是组合对象。如果已有某项技能能独立完成整项任务，就应优先使用它。

已验证的编排原语（Claude Code + Agent SDK）

已于 2026-09-23 根据 code.claude.com/docs 验证（Claude Code v2.1.280）。引用、字段表和版本限制请参见 references/claude-orchestration-primitives.md。

• 子 Agent 是 Markdown + YAML 文件，位于 .claude/agents/（项目级）、 ~/.claude/agents/（用户级）或插件的 agents 目录中。只有 name 和 description 是 必填项；工具允许列表字段为 tools（逗号分隔或 YAML 列表），model 接受 sonnet/opus/haiku/fable/完整 ID/inherit。每个子 Agent 都在 自己的上下文窗口中运行，且只返回摘要。Claude 会根据任务与 description 的匹配情况自动委派。
• 子 Agent 可以嵌套——默认最多嵌套到主对话以下三层 （CLAUDE_CODE_MAX_SUBAGENT_SPAWN_DEPTH；设为 1 会关闭嵌套）。审核者可以 为每项发现分派一名验证者。若要阻止子 Agent 派生其他 Agent，请从其 tools 中 移除 Agent。内置 Agent：Explore 和 Plan（只读，继承主模型）、 general-purpose（所有工具）。
• Fork 模式在交互会话中默认开启：Claude 可以派生一个 fork，它会继承整个对话 （以及其提示词缓存），子 Agent 则在后台运行。使用 /subtask 手动启动。
• 动态工作流将计划移至由运行时执行的 JavaScript 脚本中： agent()、parallel()、pipeline()、phase()、args；输出使用 JSON Schema， 中间结果保存在脚本变量中，而非 Claude 的上下文中。每次运行可使用数十到数百个 Agent； 支持恢复；可保存到 .claude/workflows/，或放在插件的 workflows/ 文件夹中， 并通过 /<name> 或 /<plugin>:<name> 运行。
• Agent 团队（实验性功能，仅限交互会话，需设置 CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1）：队友拥有独立的上下文、共享任务列表，并能 彼此直接发消息——适用于持续进行的对抗性辩论。Token 成本更高。
• Claude Agent SDK（Python claude-agent-sdk、TypeScript @anthropic-ai/claude-agent-sdk）通过 query(...) 以编程方式封装相同的 Agent 循环； 使用 agents 选项（AgentDefinition）定义子 Agent，并通过 session_id 恢复。 可用它在 CI 或批处理作业中编写下方模式的脚本。

现成版本。 alterlab-workflows 插件提供了这些模式的可运行动态工作流（详见 alterlab-research-workflows）：扇出 + 对抗性验证 → citation-audit；评审小组 → review-panel 和 grant-mock-panel；对抗性验证 → claim-stress-test；双路独立编码并 裁定 → systematic-review-screening。从头编写新工作流前，请先改编其中一个。

五种模式

1. 并行扇出（map）

当 N 个输入相互独立时，为每个输入派发一个工作者，然后合并结果。典型的学术用途： 同时核验多份参考文献，或并行研究不同的子问题。

I have 4 reference lists (one per chapter). Verify them in parallel using
separate subagents — each subagent runs the alterlab-citation-verifier skill
on one list — then merge the per-entry verdicts into one table flagging every
TF/IH/SH problem across all four chapters.

为何使用子 Agent：每次核验都会因 API 查询而充斥上下文，而这些内容之后不会再用； 将每项核验隔离在各自的窗口中，可使主对话保持整洁。适用于各路径之间不存在依赖关系的情况 （文档中提到的并行研究条件）。请参见 references/composition-recipes.md 中的配方 P1。

2. 顺序流水线（chain）

前一阶段的输出会传递给下一阶段。典型的学术链路——研究 → 撰写 → 完整性检查 → 审核 → 修订——已打包为 alterlab-research-pipeline；优先使用该技能，而非重新构建。 当你需要它未涵盖的自定义链路时，可使用此模式，例如 对外部提供的草稿依次进行深入研究 → 引用核验 → 同行评审。

Use the alterlab-deep-research skill to produce a lit-review synthesis on X,
then chain its bibliography into alterlab-citation-verifier to existence-check
every entry, then pass the verified draft to alterlab-peer-review for a
section-by-section critique. Carry forward only each stage's summary.

请参见 references/composition-recipes.md 中的配方 P2。

3. 评审小组（独立、多视角）

多位独立评审者分别从不同角度审查同一份材料，然后由综合者协调各方意见。alterlab-paper-reviewer 已在内部模拟了一个由 5 位评审者组成的小组；当你希望评审者是真正独立的 Agent（使用独立上下文、互不影响）时，可以采用这种模式——例如，方法论评审者、领域评审者和可复现性评审者，彼此不应受对方观点影响。

Spawn three independent reviewer subagents on this manuscript: one on
methodology, one on domain contribution, one on reproducibility/statistics.
Each works from the paper alone and reports independently; then synthesize a
single editorial decision noting where they agree and disagree.

独立性才是关键——在同一上下文中运行会让第一个意见影响其余意见。请参阅 references/composition-recipes.md 中的配方 P3。

4. 对抗式验证（产出 → 反驳）

一个 Agent 提出主张或结果；另一个全新的 Agent 专门负责证伪。这是最能维护研究诚信的模式。文档中关于竞争性假设的 Agent 团队示例就是参考实现：队友会“相互交流，试图证伪彼此的理论，就像一场科学辩论”。

Take the three headline claims in my draft. For each, spawn a skeptic subagent
whose only job is to find disconfirming evidence and check the supporting
citation actually supports the claim (via alterlab-citation-verifier). Report
any claim that survives and any that breaks.

如果要持续辩论，让质疑者相互质疑，请升级为 Agent 团队（使用上面的环境变量）。请参阅 references/composition-recipes.md 中的配方 P4。

5. 循环直至通过（验证 → 修复 → 重复）

反复执行修复和复查，直到通过质量门槛，并设置轮次上限以确保流程终止。学术用途：反复修改并复审，直至评审者意见全部解决；或反复验证、修复和重新验证，直至参考文献 100% 可解析。

Run a revision loop: alterlab-paper-reviewer produces comments; revise the
draft to address them; re-review only the previously-flagged items; repeat
until no unresolved comments remain or after at most 3 rounds, then stop and
report the residual issues.

务必设置明确的停止条件和最大迭代次数——无限循环会消耗上下文和令牌。作为动态工作流，循环逻辑写在脚本中：

export const meta = { name: 'revise-until-clean', description: 'Review, revise, re-review until no unresolved comments or 3 rounds' }
let open = []
for (let round = 1; round <= 3; round++) {
  const review = await agent(`Review draft.md (round ${round}); list unresolved comments only.`,
    { schema: { type: 'object', required: ['comments'], properties: { comments: { type: 'array', items: { type: 'string' } } } } })
  if (!review) break          // agent() returns null if the run is stopped or the agent fails
  open = review.comments
  if (!open.length) break
  await agent(`Revise draft.md to resolve exactly these comments: ${JSON.stringify(open)}`)
}
return { unresolved: open }

请参阅 references/composition-recipes.md 中的配方 P5。

选择机制

需求	机制	原因
隔离冗长输出，只获取摘要	子 Agent	使用独立的上下文窗口；仅返回摘要
独立调查，互不交流	并行子 Agent	各自独立探索；由主 Agent 综合结果
需要完整当前上下文的辅助任务	分叉（/fork）	继承对话；复用提示词缓存
工作人员必须相互辩论或质疑	Agent 团队（实验性）	共享任务列表 + 直接消息传递
需要数十个以上工作人员、投票，或希望重复运行固定循环	动态工作流	脚本保存计划；结果不会进入上下文；可恢复运行
工作人员的任务本身可拆分为并行子任务	嵌套子 Agent	评审者为每项发现分派一位验证者（默认深度 ≤ 3）
在 CI / 批处理中编写工作流脚本	Agent SDK	以编程方式使用 query() + agents 选项
已有打包好的完整流程	现有技能	不要重新构建 alterlab-research-pipeline

根据脆弱程度匹配自由度：开放式探索使用自然语言提示；脆弱的多步骤流程则使用明确、有序的指令和停止条件。

资源

• references/claude-orchestration-primitives.md — 已验证的 Claude Code 子 Agent、Agent 团队、分叉和 Agent SDK 基础机制，包含字段表格和摘自文档的引文（需要确切的 frontmatter 字段、环境变量或版本限制时加载）
• references/composition-recipes.md — 五个完整的实践配方（P1–P5），将每种模式映射到实际的 AlterLab 技能，并提供可复制的委派提示、子 Agent 定义的 frontmatter，以及 Python Agent SDK query() 示例（需要完整、可直接运行的组合方案时加载）