Fluxos de Trabalho Dinâmicos Abertos

Visão Geral

Open Dynamic Workflows (ODW) é um motor de fluxo de trabalho dinâmico multiagente de código aberto para agentes de codificação de IA como OpenCode, Codex, Antigravity e VS Code. Ele permite que você planeje uma tarefa, orquestre múltiplos agentes trabalhando em paralelo e verifique adversarialmente sua saída antes que ela seja aplicada. ODW envia uma pasta de habilidades Codex/Antigravity (SKILL.md mais uma ponte de daemon) e um plugin OpenCode, e é traga-seu-próprio-modelo (Anthropic, compatível com OpenAI ou Ollama). Esta habilidade é adaptada do projeto da comunidade em Suraj1235/open-dynamic-workflows.

Quando Usar Esta Habilidade

• Use quando precisar decompor uma tarefa de codificação em subtarefas independentes e executar vários agentes em paralelo.
• Use ao trabalhar com mais de uma ferramenta de codificação de IA (OpenCode, Codex, Antigravity, VS Code) e desejar uma única camada de orquestração.
• Use quando o usuário solicitar revisão adversarial ou verificação de alterações geradas pelo agente antes de mesclar.

Como Funciona

Etapa 1: Planejar

ODW pega um objetivo de alto nível e produz um grafo de fluxo de trabalho dinâmico de subtarefas, identificando quais podem ser executadas em paralelo e quais têm dependências.

Etapa 2: Orquestrar

O motor despacha subtarefas para agentes paralelos através do plugin OpenCode ou da ponte de daemon Codex/Antigravity, usando seu provedor de modelo configurado (Anthropic, compatível com OpenAI ou Ollama).

Etapa 3: Verificar Adversarialmente

O trabalho concluído é roteado através de uma etapa de verificação adversarial que desafia a saída antes que os resultados sejam sintetizados e retornados.

Exemplos

Exemplo 1: Executar um fluxo de trabalho paralelo

ODW é instalado a partir do código-fonte (clone o repositório, então npm install). A CLI é odw-daemon — execute-a como npm run odw -- <args> de dentro do repositório, ou como npx odw-daemon <args> / um odw-daemon global se você vincular o binário.

# Configure your model provider (bring-your-own-model)
export ANTHROPIC_API_KEY=...        # or an OpenAI-compatible / Ollama endpoint

# One-time setup: generate ~/.odw/config.json
npm run setup

# Start the local workflow daemon (once)
npm run odw -- start

# Plan, orchestrate, and verify a task across parallel agents
npm run odw -- run --prompt "refactor the auth module and add tests"

Exemplo 2: Usar a ponte de habilidade Codex/Antigravity

# ODW ships a SKILL.md + daemon bridge consumed by Codex / Antigravity.
# Start the daemon, then run a saved orchestration script through it:
npm run odw -- start
npm run odw -- run --script examples/workflows/studio-prime.workflow.js --cwd .

Melhores Práticas

• ✅ Escopo cada subtarefa para que os agentes possam executar sem estado compartilhado.
• ✅ Mantenha a etapa de verificação adversarial habilitada antes de mesclar a saída do agente.
• ❌ Não execute subtarefas interdependentes em paralelo sem declarar suas dependências.
• ❌ Não confirme chaves de API do provedor; use variáveis de ambiente ou um gerenciador de segredos.

Limitações

• Esta habilidade não substitui a validação específica do ambiente, testes ou revisão de especialistas.
• Pare e peça esclarecimentos se as entradas, permissões ou limites de segurança necessários estiverem faltando.

Notas de Segurança e Proteção

• ODW executa código e comandos de shell gerados pelo agente; execute-o apenas em um ambiente autorizado, local ou isolado.
• As credenciais do provedor de modelo (Anthropic / compatível com OpenAI / Ollama) devem ser fornecidas via variáveis de ambiente, nunca confirmadas no código-fonte.
• Revise a saída da verificação adversarial antes de aplicar alterações a um branch de produção.

Armadilhas Comuns

• Problema: Agentes paralelos colidem nos mesmos arquivos. Solução: Dê a cada subtarefa propriedade exclusiva de arquivo/módulo e execute tarefas conflitantes sequencialmente.

Habilidades Relacionadas

• @multi-agent-orchestration - Ao coordenar múltiplos agentes em um objetivo.
• @code-review - Como a verificação adversarial complementa a revisão humana.