From superpowers-zh
Executes agency-orchestrator YAML workflows in Claude Code using current LLM. Parses files, collects inputs, runs dependency-ordered role-playing steps, saves outputs to .ao-output/. Triggers on .yaml or multi-role tasks.
npx claudepluginhub jnmetacode/superpowers-zh --plugin superpowers-zhThis skill uses the workspace's default tool permissions.
直接在当前会话中执行 agency-orchestrator 的 YAML 工作流，无需配置 API key。当前 LLM 就是执行引擎——依次扮演每个角色完成任务。
Dispatches parallel agents to independently tackle 2+ tasks like separate test failures or subsystems without shared state or dependencies.
Guides TDD-style skill creation: pressure scenarios as tests, baseline agent failures, write docs to enforce compliance, verify with RED-GREEN-REFACTOR.
Guides idea refinement into designs: explores context, asks questions one-by-one, proposes approaches, presents sections for approval, writes/review specs before coding.
直接在当前会话中执行 agency-orchestrator 的 YAML 工作流，无需配置 API key。当前 LLM 就是执行引擎——依次扮演每个角色完成任务。
.yaml 工作流文件（如 运行 workflows/story-creation.yaml）agency-agents-zh 并希望直接在 AI 工具内编排多角色按以下顺序执行，不要跳步：
用 Read 工具读取用户指定的 YAML 文件，提取以下字段：
name: "工作流名称"
agents_dir: "agency-agents-zh" # 角色定义目录
inputs: # 输入变量
- name: xxx
required: true/false
default: "默认值"
steps: # 执行步骤
- id: step_id
role: "category/agent-name" # 角色路径
task: "任务描述 {{变量}}" # 支持模板变量
output: variable_name # 输出变量名
depends_on: [other_step_id] # 依赖关系
忽略 llm、concurrency、timeout、retry 配置——Skill 模式使用当前会话的 LLM，这些字段仅用于 CLI 模式。
定位角色目录：用 Bash test -d 按以下顺序检查，用第一个存在的：
{agents_dir}/（如 ./agency-agents-zh/）../{agents_dir}/（上级目录）{agents_dir}/node_modules/agency-agents-zh/如果全部找不到，停止执行并提示用户：
找不到角色目录。请先安装：
git clone --depth 1 https://github.com/jnMetaCode/agency-agents-zh.git
或：npm install agency-agents-zh
required: true 的输入，检查用户消息中是否已提供值default 的可选输入：使用默认值根据 depends_on 进行拓扑排序，将步骤分成多个层级：
在回复中展示执行计划：
执行计划（共 N 步）：
第 1 层: [step_id] — 角色名
第 2 层: [step_a, step_b] — 并行
第 3 层: [step_id] — 角色名
对每一层：
用 Read 工具读取该层所有步骤的角色 .md 文件：{角色目录}/{role}.md
从文件中提取：
name 字段--- 之后的全部 markdown 内容将 task 中的 {{变量名}} 替换为：
单步骤层：直接在主会话中扮演该角色执行。格式：
### Step N/Total: step_id（角色名）
[以该角色身份完成 task，使用角色的专业知识和沟通风格]
多步骤层（并行）：使用 Agent 工具为每个步骤启动子代理。每个子代理的 prompt 必须包含：
如果 step 有 output 字段，将该步骤的输出文本存入变量上下文，供后续步骤的 {{变量}} 使用。
用 Write 工具将结果保存到文件：
.ao-output/{工作流名称}-{YYYY-MM-DD}/
├── steps/
│ ├── 1-{step_id}.md # 每步的输出
│ ├── 2-{step_id}.md
│ └── ...
├── summary.md # 最后一步的完整输出（最终成果）
└── metadata.json # 基本元数据
metadata.json 格式：
{
"name": "工作流名称",
"date": "2026-03-22",
"success": true,
"steps": [
{"id": "step_id", "role": "category/agent", "status": "completed"},
...
]
}
执行完毕后，向用户展示：
如果用户没有指定 YAML 文件，但描述了需要多角色协作的任务：
示例：
ao init 或 npm install agency-agents-zh