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 Raw Markdown。
输出:Raw Markdown →PERSONAL WORKFLOW SYSTEM
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)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。MyWorkflow 用于维护各工作流的说明文档、公共配置与共同规范,使不同工具对同一任务形成一致理解并稳定协作。
ACTIVE WORKFLOW
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。WebMark、CleanMark 和 PublishMark 三个独立阶段通过统一规范稳定衔接。
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 Raw Markdown。
输出:Raw Markdown →深度整理与规范化
对原始资料开展深度清洗、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 →内容发布与知识分享
接收清洗后的资料,写入文档库并由 Cloudflare 自动构建为正式阅读站点。
输出:PublishMark WebsiteWORKFLOW IN DEVELOPMENT
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研究。
意图理解与结果回传
通过 WorkBuddy 接收研究需求,整理参数、调用 deepGraph API,并把任务状态、阶段进展和最终结果回传至原交互入口。
调用:deepGraph API →有状态研究流程编排
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 →检索、分析与执行
访问数据源、检索服务、分析模型及专业工具,完成具体研究任务并将材料返回 deepGraph。
输出:研究材料与工具结果工具结果返回 deepGraph 后继续组织研究;状态、进展与结果经 deepFlow 回传至 WorkBuddy
WORKFLOW IN DESIGN
对未归档文件进行智能化分拣。LetsDrop 由 Skill、Review 与 Tools 三部分组成:LLM 负责判断,Tools 负责事实与动作,Review 负责授权。
意图理解与计划生成
读取本地 Config,获取任务与配置,调用 Tools 获取事实,并组织 LLM 生成 Move Plan。
输出:Move Plan →人工批准 · HITL
提供本地 Web 交互界面,由用户批准或取消归档建议,并处理已验证重复文件。
输出:Approved Plan →确定性文件操作
负责扫描、提取、Hash、移动、重命名、Reference 与 Delete 等可验证的确定性动作。
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 负责事实与执行
ACTIVE WORKFLOW
把普通 URL 转换为可长期维护的稳定引用。核心以 WorkBuddy 作为入口,ShortRef Skill 提供交互与管理能力,ShortRef Worker 提供公开只读后端。
主要交互入口
用户以自然语言提出创建、修改、停用、启用、查看、验证或同步引用的请求,WorkBuddy 理解意图并调用 ShortRef Skill。
调用:ShortRef Skill →交互能力与本地控制层
规范化 URL、生成确定性引用 ID、维护完整本地记录,并通过 Cloudflare REST API 向 Workers KV 写入最小解析映射。
写入:Local Records + KV →公开只读解析后端
从 Workers KV 读取已创建的引用。有效且 active 的记录使用 HTTP 302 跳转;不存在、停用或异常记录统一返回 404。
输出:302 Redirect / 404管理链路经 WorkBuddy → ShortRef Skill 完成;实际访问稳定引用时浏览器直接进入 ShortRef Worker,引用 ID 保持稳定
GROWING WORKFLOW SYSTEM
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、自托管服务与 LangGraph 工作流,并在本地持续沉淀成果资产。
人类提出目标和执行标准、完成关键判断并接收结果,系统负责推进过程并沉淀成果。
确定目标与总体方案后,将在此增加新的章节。