mcpField
W
workflow-orchestrator

workflow-orchestrator

github.com/404kidwiz开发113 次安装
代码仓库

关于 workflow-orchestrator

workflow-orchestrator 是用于设计和实现可靠、持久工作流的技能,面向协调复杂业务流程的开发者。内容涵盖 Temporal、Camunda、Saga、补偿逻辑及人工审批流程。

主要功能

  1. 01设计持久化长流程
  2. 02实现 Saga 与补偿逻辑
  3. 03协调跨服务业务活动
  4. 04构建人工审批工作流
  5. 05管理复杂流程状态机

适用场景

  1. 01实现分布式事务
  2. 02处理需可靠恢复的长流程
  3. 03协调多个服务的业务步骤
  4. 04设计含人工审批的流程

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/404kidwiz/claude-supercode-skills --skill workflow-orchestrator

安装后在 Claude Code 中输入/workflow-orchestrator确认已加载。

详细介绍

工作流编排器

用途

提供设计和实现持久化工作流系统的专业知识,用于协调复杂的业务流程。专长包括 Temporal 和 Camunda 等工作流引擎、Saga 模式,以及构建可靠的长时间运行流程。

适用场景

  • 设计多步骤业务工作流
  • 为分布式事务实现 Saga 模式
  • 使用 Temporal、Camunda 或类似的工作流引擎构建系统
  • 处理有持久化要求的长时间运行流程
  • 协调多个服务之间的活动
  • 实现补偿和回滚逻辑
  • 构建有人参与的审批工作流
  • 管理复杂流程的状态机

快速开始

在以下情况调用此技能:

  • 设计多步骤业务工作流
  • 为分布式事务实现 Saga 模式
  • 使用 Temporal、Camunda 或类似的工作流引擎构建系统
  • 处理有持久化要求的长时间运行流程
  • 协调多个服务之间的活动

以下情况不要调用:

  • 简单的异步任务处理 → 使用合适的队列解决方案
  • 为 Agent 分配任务 → 使用 task-distributor
  • 事件流处理 → 使用 event-driven-architect
  • CI/CD 流水线 → 使用 devops-engineer

决策框架

Workflow Need?
├── Durable Long-Running → Temporal or durable execution engine
├── Human Tasks → Camunda or process orchestration platform
├── Choreography → Event-driven with eventual consistency
├── Simple Steps → State machine or queue-based
├── Saga Pattern → Orchestrated or choreographed compensations
└── Scheduled Jobs → Cron-based with workflow wrapper

核心工作流

1. Temporal 工作流实现
  1. 定义工作流接口和活动
  2. 使用 Temporal SDK 实现工作流逻辑
  3. 为外部调用创建活动实现
  4. 配置重试策略和超时
  5. 实现信号和查询,以便外部交互
  6. 为工作流更新添加版本控制
  7. 部署工作进程并监控执行情况
  8. 使用 Temporal 测试框架实现测试
2. Saga 模式实现
  1. 确定分布式事务边界
  2. 定义正向操作和补偿操作
  3. 选择编排(集中式)或协同(事件驱动)
  4. 实现幂等操作
  5. 通过补偿处理部分失败
  6. 为卡住的 Saga 添加超时处理
  7. 实现 Saga 状态的可观测性
  8. 彻底测试故障场景
3. 人工参与工作流
  1. 设计包含人工任务节点的流程
  2. 使用 BPMN 或类似表示法对工作流建模
  3. 将自动化步骤实现为活动
  4. 为人工操作创建任务收件箱 UI
  5. 添加升级和超时处理
  6. 实现委派和重新分配
  7. 添加审计跟踪以满足合规要求
  8. 监控人工任务的 SLA

最佳实践

  • 让所有活动都具备幂等性,以确保安全重试
  • 使用工作流版本控制进行生产环境更新
  • 实现全面的失败补偿机制
  • 为每个步骤设置适当的超时时间
  • 添加跨工作流的跟踪数据,以实现可观测性
  • 按照可能发生故障来设计;假设任何步骤都可能失败

反模式

  • 活动非幂等 → 按照可安全重试的方式设计
  • 缺少补偿操作 → 从一开始就规划回滚
  • 无限重试 → 设置最大尝试次数并处理失败
  • 阻塞人工任务 → 添加超时和升级机制
  • 耦合过紧 → 让工作流与活动实现保持解耦

评论

支持 Markdown