01
WebMark
采集与原始归档
WorkBuddy 接收 URL，调用 WebMark Skill，抓取网页正文与元数据，完成基础分类，并生成可追溯的 Raw Markdown。
输出：Raw Markdown →PERSONAL WORKFLOW SYSTEM
MyWorkflow
我的工作流配置中心
在 Agent 时代，我们试图把人的意图、经验和工作方法，转化为能够被计算机理解、执行并长期运行的系统。
工作流（Workflow）是其中的重要一环。它把经验转化为流程，把流程固化为系统，并最终形成可以长期运行的能力。
一套工作流通常包含多个相互衔接的环节，需要调用不同的工具、应用与服务，并通过文档、API 等方式交换信息、协同执行。
我们将工作流各环节需要共同遵守的原则与规范，以及共享的配置参数、能力描述和其他元数据，抽象为公共配置文件，使不同工具能够对同一任务形成一致理解，并按照统一规则协同执行。MyWorkflow 即是各工作流的说明文档及公共配置中心。
mdFlow 已投入使用
deepFlow 开发中
LetsDrop 设计中
更多工作流持续加入
ACTIVE WORKFLOW
mdFlow · 信息抓取与知识沉淀工作流
已投入使用从收藏一条网络链接，到获得一个可持续清洗、沉淀与发布的知识系统。mdFlow 通过 WebMark、CleanMark 和 PublishMark 三个相互独立的阶段协作完成，其内部通过统一规范稳定衔接。
02
CleanMark
深度整理与规范化
基于原始资料开展清洗、结构重组与元数据规范化，形成与 Raw 内容相互独立的 Clean Markdown。
输出：Clean Markdown →03
PublishMark
内容发布与知识分享
接收清洗后的资料，写入 PublishMark 文档库并提交至 GitHub，由 Cloudflare 自动构建为正式阅读站点。
输出：PublishMark WebsiteWORKFLOW IN DEVELOPMENT
deepFlow · 深度研究工作流
开发中对特定主题开展深度研究与持续跟踪，并形成可自生长的智力资产。以 WorkBuddy 作为交互入口，通过 deepFlow Skill 理解研究意图、加载配置并将请求转换为结构化任务；deepGraph 后端基于 LangGraph 编排研究流程，调用多个工具和数据源完成信息检索、交叉验证与综合分析，最终返回研究结果。
01
deepFlow
意图理解、命令转换与结果回传
deepFlow Skill 通过 WorkBuddy 接收研究需求，识别研究计划、整理和校验参数并调用 deepGraph API；接收后端返回的任务状态、阶段进展与最终结果，回传至 WorkBuddy。
调用：deepGraph API →02
deepGraph
有状态研究流程编排
deepGraph API 接收结构化任务，由后端维护运行状态与 checkpoint，拆解研究步骤、安排执行路径并组织工具调用。
调用：Deep Research Tools →03
Deep Research Tools
检索、分析与任务执行
根据 deepGraph 的调用计划，访问不同数据源、检索与分析服务及其他专业工具，完成具体任务，并将研究材料与工具结果返回 deepGraph。
输出：研究材料与工具结果工具结果返回 deepGraph 后，由 deepGraph 继续组织研究并形成最终产出；任务状态、阶段进展与结果经 deepFlow 回传至 WorkBuddy
WORKFLOW IN DESIGN
LetsDrop · 智能文件分拣工作流
设计中对未归档文件进行智能化分拣，辅助用户按意图归档。LetsDrop 的完整实现由 Skill、Review 与 Tools 三部分组成；配置规范、Markdown 模板与 Schema 由 MyWorkflow/LetsDrop 管理。用户按照模板填写个人 Config 并保存在本地，使用时由 LetsDrop Skill 加载。
01
Skill
意图理解与计划生成
LetsDrop Skill 读取本地 Config，获取任务与配置；调用 Tools 获取文件信息，并组织 LLM 协助生成 Move Plan。
输出：Move Plan →02
Review
人工批准 · HITL
Review 提供本地 Web 交互界面。用户通过 Move Review 批准或取消 AI 给出的归档建议；对于已经通过 Hash 验证的重复文件，则通过 Duplicate Review 决定是否删除。
输出：Approved Plan →03
Tools
确定性文件操作
提供 Scanner、Extractor、Hasher、Executor、Renamer、Reference 与 Delete 等确定性能力，负责获取文件事实，并执行经过明确授权的文件操作。
输出：执行动作，返回状态LLM / Agent 负责语义判断和建议，Review 负责授权，Tools 负责获取事实并执行确定性动作。通过 Human-in-the-Loop 保留人的最终决定权。
GROWING WORKFLOW SYSTEM
新的工作流将持续加入
Agent 时代，我们采用相似的范式搭建（半）自动化工作流：默认以 WorkBuddy 作为人机交互入口，按任务需要组合 Python 脚本、Skill、RAG/知识库、MCP 等工具，并在复杂任务中使用自行编排的 LangGraph 工作流完成任务、返回结果，在本地持续沉淀成果资产。各工作流通过本项目维护的公共配置与规范约束和衔接内部环节。
让更多重复工作成为可持续运行系统
我们正在把日常工作中重复、琐碎、长期事项逐步固化为工作流。人类只需提出目标和执行标准、完成关键判断、接收结果，系统负责推进过程并沉淀成果。
下一个工作流
确定目标与总体方案后，将在此增加新的章节。