skill 怎么把一个 Agent 变成一套流程：从 workflow.md 到 workflow.py
本周主线
从表达式开发切换到 Agent 生态调研：目标是在九问（JiuWen）agentcore 的 swarm 基础上，开发一个 PPT 制作专家 Agent。
- deep research：梳理 agent 需求，调研开源仓库和论文。
- 理解九问生态：agent-core、jiuwenswarm 的职责与用法。
- 完成调研报告：核心机制解析到源码层面。
- 理清 skill → workflow.md → workflow.py 的执行链路。
深入：skill 驱动的执行链路
多 agent 协作时，核心问题是：一个 agent 的」能力」（skill）如何被声明、被框架执行、如何组织成复杂工作流。调研发现九问的答案是 —— skill 驱动，链路如下：
flowchart LR
A[专家 Agent 装载 skill] --> B[skill 定义 workflow.md]
B --> C[workflow.md 声明各种子 agent]
C --> D[子 agent 携带上下文 / 可用 skill / 工具]
D --> E[框架按条件生成 workflow.py]
E --> F[执行 workflow.py]
F --> G[自定义机制与反馈]关键结论：
- skill 里定义
workflow.md：用可读的声明方式描述子 agent，每个子 agent 带自己的上下文、可用 skill、可用工具。 - 框架生成
workflow.py：条件满足时，框架根据 workflow.md 动态生成可执行代码并运行。 workflow.py支持自定义机制：可以加入自己的流程和反馈处理。
这个设计的优雅之处是 声明式编排 + 动态生成：业务用可读的声明描述流程，框架负责把它变成可执行代码。比起让 agent 自由发挥，这种方式更可控，也更适合 PPT 生成这类多步骤、多组件协作的任务。
调研方法上，把」skill 如何驱动 agent」作为贯穿全流程的切入点，解析到源码层面，用代码验证文档。区分了主 agent 的 skill 和子 agent 的 skill。
其他要点
- agent-core 接入方式：它是 Python 包，导入自己的项目开发，再建独立 demo 实践。
- jiuwenswarm：负责多 agent 协作，skill 在运行时被识别、调用和分析。
- 调研报告：以源码为据，作为后续 PPT 专家 Agent 的设计依据。
沉淀与下一步
两点经验：调研大系统要找一条贯穿全流程的切入点（skill 就是那条主线）；」声明式编排 + 动态生成」是复杂任务可控且可扩展的好设计。
下一步：在九问 agentcore 的 swarm 上落地 PPT 专家 Agent demo，设计 workflow.md 与自定义机制。