OpenProse 高阶工作流编排实战教程

一、基础认知

1.1 产品定位

OpenProse 是 OpenClaw 内置的 Markdown 驱动工作流编排系统，无需编写代码，纯文本定义自动化流程；依托 Lobster 运行时引擎，原生适配大模型调用，支持分支判断、人工审批、断点续跑，目前为实验性功能，语法与接口后续可能迭代调整。

1.2 核心设计理念

markdown 优先：格式自然易读、易编辑、易版本管理
LLM 原生：每一步可直接调用模型，兼顾文本生成与结构化数据输出
流程可控：支持中断、人工介入、异常恢复
数据强约束：步骤间传参具备类型校验，避免数据错乱

1.3 架构流转

传统编排：代码 / 可视化配置 → 引擎解析执行

OpenProse：Markdown 工作流文件 → LLM 语义解析 → Lobster 引擎调度执行 → 输出结果

二、工作流基础语法与结构

2.1 最简文件结构

整个工作流就是一份标准 Markdown，以标题划分层级，一级标题为工作流名称，二级标题为独立执行步骤。

markdown

# 工作流：每日晨间简报
## 步骤 1：抓取今日热点
搜索全网今日热点资讯，筛选 8 条有效内容。
## 步骤 2：内容精简
对【步骤 1】的资讯进行压缩，每条控制在 20 字以内。
## 步骤 3：整合推送
将精简后的内容整理成统一简报格式。

2.2 步骤数据引用

默认按从上到下顺序执行，使用 【步骤 X】 语法引用前置步骤的输出，实现步骤间数据串联。

markdown

# 工作流：订单数据分析
## 步骤 1：拉取原始订单数据
读取本周所有订单明细。
## 步骤 2：核心指标计算
基于【步骤 1】的订单数据，统计：总订单数、成交金额、客单价。
## 步骤 3：生成分析文案
结合【步骤 1】原始数据与【步骤 2】统计指标，撰写简短分析总结。

三、进阶编排能力

3.1 顺序执行（基础模式）

适用于线性流水线任务，步骤依次执行，无分支、无跳转，是最常用的编排方式。

示例：文档质检流程

markdown

# 工作流：文档自动化质检
## 步骤 1：读取目标文档
读取 workspace/doc/rule.md 全文内容。
## 步骤 2：错别字校验
检查文档内错别字、标点符号错误。
## 步骤 3：语句通顺度检查
优化不通顺语句，标注问题位置。
## 步骤 4：输出质检报告
汇总所有问题，生成最终质检报告。

3.2 条件分支（逻辑判断）

支持多分支路由，根据前置步骤结果自动选择执行链路，语法：### 条件描述。

示例：风险分级处理

markdown

# 工作流：安全风险处置
## 步骤 1：漏洞扫描
对项目代码进行安全扫描，输出风险等级：高/中/低/无风险。

## 步骤 2：分级处理
### 如果风险等级为高风险
立即生成紧急整改清单，并推送告警通知。
### 如果风险等级为中风险
记录问题列表，安排常规排期修复。
### 如果风险等级为低风险
仅做备注记录，无需紧急处理。
### 如果无风险
输出：安全检测全部通过。

3.3 人工审批（断点门控）

在关键节点暂停流程，等待人工确认后继续执行，关键词：> 🔒 此步骤需要人工审批。

适合高危操作、重要决策类场景，防止自动化误操作。

示例：数据库变更审批

markdown

# 工作流：数据库表结构变更
## 步骤 1：生成变更脚本
根据需求生成数据库 DDL 变更脚本，并校验语法合法性。

## 步骤 2：人工审核确认
> 🔒 此步骤需要人工审批。展示变更脚本，等待用户确认后方可继续。

## 步骤 3：执行变更
审批通过后，执行数据库表结构变更。

## 步骤 4：结果校验
检查变更后数据库运行状态，输出执行结果。

四、底层运行时：Lobster

Lobster 是 OpenProse 专属运行引擎，负责流程调度、状态管理、断点恢复。

4.1 核心能力

表格

能力	说明
类型化流转	步骤传递的数据做类型校验，避免格式异常
断点恢复	流程中断、网关重启后，从失败 / 暂停节点继续执行，无需从头跑
审批门控	完美承接人工审批节点的暂停、唤醒逻辑
状态持久化	所有流程状态落地磁盘，断电不丢失
超时控制	支持为单步骤设置超时时间，防止流程卡死

4.2 全生命周期状态

plaintext

created（已创建） → running（执行中）
                ↓
        waiting（等待审批/外部事件）
                ↓
        running（恢复执行） → completed（执行完成）
                ↓
       failed（执行失败） / cancelled（手动取消）

各状态说明：

created：工作流已创建，未启动
running：正常执行步骤
waiting：卡在审批节点 / 等待外部触发
completed：全部步骤执行完毕
failed：某一步骤报错终止
cancelled：用户手动终止流程

4.3 断点恢复机制

流程意外中断（网关重启、网络异常、超时）后，再次启动会自动定位到上一个未完成步骤继续执行，长周期任务体验友好。

五、内置核心工具

5.1 LLM Task 结构化输出工具

普通步骤返回自由文本，LLM Task 强制模型输出标准 JSON 结构化数据，便于后续程序解析、数据处理，是自动化数据流水线的核心工具。

语法规则

在步骤内写明输出 JSON 格式模板，引擎自动约束模型返回结构。

示例：邮件自动分类

markdown

# 工作流：邮件分拣
## 步骤 1：读取邮件内容
获取收件箱最新邮件正文。

## 步骤 2：邮件分类（LLM Task）
分析邮件内容，严格按照以下 JSON 格式输出结果：
```json
{
  "category": "工作|个人|广告|垃圾邮件",
  "priority": "高|中|低",
  "summary": "一句话内容摘要",
  "needReply": true | false
}

步骤 3：分类分发

根据【步骤 2】的结构化结果，将邮件归类到对应文件夹。

plaintext


#### 普通步骤 vs LLM Task
| 对比项 | 普通步骤 | LLM Task |
| ---- | ---- | ---- |
| 输出格式 | 自由文本 | 固定 JSON 结构 |
| 后续处理 | 依赖 LLM 二次理解 | 可直接代码解析 |
| 适用场景 | 报告生成、文案创作、问答 | 数据提取、分类、打分、统计 |

### 5.2 Diffs 差异对比工具
可视化展示文件、文本、配置的前后变更，样式类似 Git Diff，多用于代码审查、配置修改、数据变更场景。

#### 使用示例
```markdown
# 工作流：配置文件变更审核
## 步骤 1：读取新旧配置
读取修改前、修改后的服务配置文件。

## 步骤 2：展示变更内容（Diffs）
使用差异工具展示配置文件修改前后对比，供人工核对。

## 步骤 3：确认生效
核对无误后，加载新配置并重启服务。

渲染效果示例：

diff

- "port": 18788
+ "port": 18789
- "debug": false
+ "debug": true

六、完整实战场景案例

案例 1：技术调研流水线（多步骤资料整理）

markdown

# 工作流：AI 框架技术调研
## 步骤 1：全网资料检索
搜索「轻量级本地大模型部署框架」相关资料，收集 6 篇优质文档。
## 步骤 2：信息提取
从【步骤 1】的文档中，提取每个框架的：核心优势、硬件要求、适用场景。
## 步骤 3：横向对比
基于提取信息，制作多框架优缺点对比清单。
## 步骤 4：生成调研报告
整合所有内容，输出一份完整中文调研文档，包含背景、对比、选型建议。

案例 2：数据清洗流水线（LLM Task + Diffs 组合）

markdown

# 工作流：CSV 数据清洗
## 步骤 1：读取原始数据
读取 data/source.csv 原始业务数据。

## 步骤 2：数据清洗（LLM Task）
识别数据中的缺失值、乱码、异常字段并修复，输出格式如下：
```json
{
  "totalRows": 总数据行数,
  "fixedCount": 已修复问题数,
  "errorList": [{"row": 行号, "desc": "问题描述"}]
}

步骤 3：查看变更（Diffs）

展示清洗前后的数据差异。

步骤 4：保存结果

将清洗完成的数据写入 data/clean.csv。

plaintext


### 案例 3：代码审查全流程（分支 + 人工审批）
```markdown
# 工作流：Git 代码合并审查
## 步骤 1：获取代码变更
拉取当前分支与主干分支的代码差异文件。
## 步骤 2：代码风险检测
检测代码中的语法错误、硬编码密钥、SQL 注入、性能问题。

## 步骤 3：风险分支判断
### 如果存在高危风险
直接终止流程，输出：代码存在高危问题，禁止合并。
### 如果存在普通风险
汇总问题清单，进入人工审核。
### 如果无任何风险
自动执行代码合并。

## 步骤 4：人工审批
> 🔒 展示代码问题清单，等待人工确认是否允许合并。

## 步骤 5：执行合并
审批通过后，完成代码分支合并操作。

七、工作流运行与运维

7.1 文件存放路径

将编写好的 Markdown 工作流文件，放置在 OpenClaw 默认工作目录：

plaintext

~/.openclaw/workspace/workflows/

7.2 手动触发执行

在 OpenClaw 对话窗口，通过自然语言调用工作流：

plaintext

用户：运行「每日晨间简报」工作流
机器人：开始执行工作流...
✅ 步骤 1：抓取今日热点 — 完成
✅ 步骤 2：内容精简 — 完成
✅ 步骤 3：整合推送 — 完成
工作流执行完毕！

7.3 定时自动运行

结合 OpenClaw 定时任务 cron，实现周期触发工作流，语法同标准 Crontab：

bash

运行

# 每天早上 9 点自动运行每日简报工作流
openclaw cron add --schedule "0 9 * * *" --message "运行每日晨间简报工作流"

7.4 常用运维命令

bash

运行

# 查看所有定时任务
openclaw cron list
# 删除定时任务
openclaw cron del 任务ID
# 查看正在运行的工作流
openclaw workflow list
# 终止指定工作流
openclaw workflow cancel 流程ID

八、最佳实践与注意事项

功能状态提醒 OpenProse 为实验性功能，语法、工具、接口可能随版本更新调整，正式生产环境建议先做充分测试。
Token 成本控制 多步骤、长文本工作流会持续消耗 Token，复杂流程建议拆分、精简提示词。
超时配置 数据检索、大文件分析等耗时步骤，建议单独设置超时时间，避免流程挂死。
高危操作强制加审批 数据库修改、代码合并、文件删除、对外推送等高危动作，必须添加人工审批节点。
善用断点恢复 长周期流程优先依赖 Lobster 恢复能力，无需重复执行前置步骤。
版本管理 工作流 Markdown 文件建议纳入 Git 管理，方便回溯、迭代、多人协作。

九、总结

OpenProse 以 Markdown 为载体，零代码实现工作流编排，上手门槛极低；
支持顺序、条件分支、人工审批三大主流编排逻辑，覆盖绝大多数自动化场景；
Lobster 运行时提供状态持久化、断点续跑、超时管控，保障流程稳定性；
LLM Task 实现结构化数据输出，Diffs 实现可视化对比，补齐数据处理、代码审查能力；
可搭配定时任务实现全自动周期执行，适合报表生成、数据清洗、内容汇总、代码质检等场景。