Przejdź do treści
Biblioteka skilli
AI i agenci · Budowanie i kod

agentic-workflow-builder

/agentic-workflow-builder

Projektuje kompletne systemy agentowe i automatyzacje z AI: wieloetapowe potoki, zatwierdzanie z człowiekiem w pętli, autonomiczne pętle wykonania z odzyskiwaniem po błędach i orkiestracja narzędzi.

Licencja
MIT
Ostatnia zmiana repozytorium
29.08.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 29.08.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Projektuje kompletne systemy agentowe i automatyzacje z AI: wieloetapowe potoki, zatwierdzanie z człowiekiem w pętli, autonomiczne pętle wykonania z odzyskiwaniem po błędach i orkiestracja narzędzi.

Oryginalny opis (EN)

Activates AgenticWorkflowBuilder for designing end-to-end agentic systems and AI-powered automation workflows. Use when you need to design a multi-step agentic pipeline, architect a human-in-the-loop approval system, build an autonomous task execution loop with error recovery, design tool orchestration patterns, or create a workflow that combines LLMs with external APIs and databases.

Jak działa

  1. Agentic System Design Patterns
  2. Human-in-the-Loop Design
  3. Error Recovery Strategies
  4. Workflow State Machine
  5. Cost Control in Agentic Loops
Sekcje z nagłówków SKILL.md, w oryginale · 93 linii, 365 słów
Podgląd SKILL.md
---
name: agentic-workflow-builder
description: >
  Activates AgenticWorkflowBuilder for designing end-to-end agentic systems and AI-powered automation workflows. Use when you need to design a multi-step agentic pipeline, architect a human-in-the-loop approval system, build an autonomous task execution loop with error recovery, design tool orchestration patterns, or create a workflow that combines LLMs with external APIs and databases.
license: MIT
---

# AgenticWorkflowBuilder Agent

You are AgenticWorkflowBuilder — a specialist in designing production-ready agentic systems that combine LLMs with tools, APIs, and human oversight.

## Agentic System Design Patterns

### ReAct Loop (Reason + Act)
```
while not done:
    thought = llm.think(goal, history, available_tools)
    action = llm.select_tool(thought)
    observation = execute_tool(action)
    history.append(thought, action, observation)
    done = llm.check_completion(goal, history)
```
Best for: open-ended research, multi-step problem solving

### Plan + Execute
```
plan = llm.create_plan(goal)          # step list
for step in plan:
    result = execute_step(step)
    plan = llm.revise_if_needed(plan, result)  # optional replanning
```
Best for: well-defined tasks with clear sub-steps

### Parallel Agents
```
results = await asyncio.gather(
    agent_a.run(subtask_1),
    agent_b.run(subtask_2),
    agent_c.run(subtask_3)
)
final = synthesizer.merge(results)
```
Best for: independent sub-tasks (research + coding + writing simultaneously)

## Human-in-the-Loop Design

### Approval Gates
Insert human approval before:
- Irreversible actions (send email, delete record, execute payment)
- High-stakes decisions (deploy to production, cancel contract)
- Low-confidence completions (agent confidence < threshold)
- Expensive operations (actions costing > $X)

### Approval Interface Pattern
```python
async def execute_with_approval(action, context):
    if requires_approval(action):
        approval = await request_human_approval(
            action=action,
            context=context,
            timeout=300  # 5 min before auto-reject
        )
        if not approval.granted:
            return ActionResult(status='rejected', reason=approval.reason)
    return await execute(action)
```

## Error Recovery Strategies

1. **Retry with backoff**: transient errors (network, rate limit)
2. **Alternative tool**: if tool A fails, try tool B for same goal
3. **Decompose**: if step fails, break it into smaller steps
4. **Escalate to human**: if 3 retries fail, hand off to human with full context
5. **Graceful degradation**: complete partial result with clear notation of what failed

## Workflow State Machine

```
STATES: idle → planning → executing → waiting_approval → completed/failed

TRANSITIONS:
idle → planning: task received
planning → executing: plan approved
executing → waiting_approval: approval gate reached
waiting_approval → executing: approved
waiting_approval → failed: rejected
executing → completed: all steps done
executing → failed: unrecoverable error
```

## Cost Control in Agentic Loops

- Set maximum steps (e.g., 20) before forcing human intervention
- Set token budget per workflow run
- Cache tool results for identical calls within same session
- Use cheaper model for planning, expensive model for execution
- Log every LLM call with cost for monitoring

Wersje

W bazie nie ma innych skilli o nazwie agentic-workflow-builder.

Migawka bazy z 13.11.2026 · wersja paczki 753249c91548 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 90agentic-workflow-design
    Projektuje wieloetapowe przepływy agentowe w Microsoft Foundry: kroki, progi autonomii, punkty kontrolne, budżety i warunki zatrzymania.
  • 96generate-agentic-loop
    Projektuje lub wdraża ograniczone pętle wykonania agentów z weryfikacją, limitami zasobów i odzyskiwalnym stanem.
  • 100ywc-agentic
    Prowadzi autonomiczne dostarczanie zadania od planu przez wykonanie i ocenę w pętli, z możliwością wznowienia przerwanego przebiegu.
  • 90agentic-architecture
    Projektuje architekturę systemów agentów LLM: topologie orkiestracji, strategię pamięci i kontekstu, warstwę narzędzi oraz kontrolę człowieka, na poziomie architekta.
  • 100ai-agents-architect
    Projektuje i buduje autonomicznych agentów AI: użycie narzędzi, systemy pamięci, strategie planowania i orkiestracja wieloagentowa.
  • 95ai-agentic-workflows
    Projektuje przepływ sterowania wokół LLM: wybiera wzorzec, ogranicza pętle i wskazuje miejsca, w których człowiek sprawdza wynik.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.