# Arcrun Examples Library

> 給 AI 操盤手快速參考的 workflow 範本庫。每個範例都是可直接 `acr push` 部署的 YAML。
>
> 對應 SDD: `matrix/arcrun/.agents/specs/llm-interface/` Milestone 3.3

## 結構

每個範例一個資料夾：

```
{slug}/
├── workflow.yaml         可直接 push 部署
├── description.md        解決什麼問題 / 怎麼觸發 / 預期結果
└── tags.json             ["webhook", "llm", "cron", ...] 用於搜尋
```

## 範例列表

| Slug | 場景 |
|---|---|
| `webhook-to-http` | 簡單轉發：webhook → 打另一個 API |
| `cron-watcher` | 每 5 分鐘掃資料庫 → 觸發子 workflow（mira pattern） |
| `llm-classify` | claude_api 分類文字 → 寫 KBDB |
| `rag-search-answer` | 從 KBDB 找 context → claude 回答 |
| `email-summary` | gmail 收信 → claude 摘要 → telegram 推 |
| `pdf-to-blocks` | 上傳 PDF → 轉文字 → 切 chunk → 存 KBDB |
| `github-issue-bot` | 收 GH webhook → claude 分析 → 留 comment |
| `daily-digest` | cron → 多源聚合（KBDB / RSS / 等） → 推送 |
| `parallel-fanout` | 一份輸入分發多 workflow 並行處理 |
| `error-retry` | try_catch + wait + retry 重試外部 API |

## 如何用（AI 視角）

1. `arcrun_search_examples('rag context answer')` → 命中 `rag-search-answer`
2. 拿 YAML，按自己需求改 prompt / 資料來源
3. `arcrun_validate_yaml` → `arcrun_push_workflow` → 完成

## CI 自動同步

GH Actions 監聽本目錄變動 → 把每個範例 PATCH 進 KBDB type=workflow-example
（含 YAML + description + tags）。MCP `search_examples` 走 KBDB semantic search。