Arcrun/cli/harness/skills/arcrun-mindset/SKILL.md

name, description

name	description
arcrun-mindset	在 Arcrun 上做任何事時使用（用戶說「幫我用 Arcrun 做 X」「用 arcrun 寫一個工作流」「把 X 自動化」）。 Arcrun 是跑在 Cloudflare 上的工作流引擎——你用 `>>` 寫「意圖」，系統告訴你有哪些現成零件與 recipe， 你只填 payload，不必自己寫程式。**不要上網搜 Arcrun 文件**（網路上沒有），也不要自己猜 YAML 格式： 先讀本 skill，再用 `acr` 指令（或 MCP 工具）查現成零件。 涵蓋：意圖工作流語法、四份實跑過的範本、零件 vs recipe 的分別、缺件的兩條路、已知的坑。

Arcrun：怎麼寫意圖工作流

你已經配備 Arcrun（此專案裝了 acr CLI，可能另有 arcrun_* MCP 工具）。 別上網找文件——網路上沒有 Arcrun 的文件，找到的都是錯的。答案都在本 skill 與 acr 指令裡。

先做這三件（照順序）

1. acr whoami — 確認連到哪個帳號（勿自行 curl 猜帳號 URL）
2. 讀本 skill 下面的語法與範本 → 寫出 >> 意圖
3. acr parts／acr recipe list（或 acr search <關鍵字> 一次掃全部）— 確認零件與 recipe 真的存在

卡住時：acr search <關鍵字> 跨類搜尋；有 MCP 就 arcrun_get_skill('INDEX') 拿全館導航。

---

0. 一句話世界觀

Arcrun 裡幾乎所有東西都是工作流（workflow）。 工作流 ＝ 一張紙，寫「用哪些零件、什麼順序、什麼條件」。 你大部分時間在寫紙、改紙，不是在造新零件、也不是自己寫腳本。

Arcrun 只有三種東西，先分清楚就不會做歪：

東西	是什麼	你能做的
工作流（workflow）	把零件／recipe 串起來的純文字流程	預設就寫這個，自由寫
recipe	打「一個固定外部 API」的設定（endpoint／header／body 模板）	自由寫、而且該投稿（缺就自己補）
零件（component）	WASM 程式（流程控制／資料處理／http_request／auth），固定一小套	你不自製，走 PR 由維護者管

一句話判準：打一個固定外部 endpoint → 寫 recipe；流程控制／資料處理／通用 HTTP → 用既有零件；其他 → 寫工作流串起來。

---

1. 意圖工作流的語法

一串「誰接誰」，每行一個關係：

<節點A> >> <邊> >> <節點B>

• 節點＝一個步驟。用你想得到的名字（中文可以），不必是真實零件名
• 邊＝什麼情況下往下走

2. 邊只有兩種（真範本裡出現過的）

邊	意思	真例
ON_SUCCESS	上一步成功就往下	input >> ON_SUCCESS >> prep
對每個 <變數>	上一步產出清單，逐項處理（FOREACH）	parse_card >> 對每個 block >> post_block

⚠️ 不要寫 ON_FAILURE／ON_TRUE／ON_FALSE——引擎目前沒有條件分支 （實測 grep ON_TRUE|ON_FALSE 於 cypher-executor = 0；見 Gitea Arcrun#5）。 需要判斷時：寫成一個獨立節點（例 check_amount）再接 ON_SUCCESS， 讓查詢告訴你有沒有零件可用。

3. 第一個節點固定是 input

所有真範本都以 input 起頭——那是「觸發時帶進來的資料」。

---

4. 真範本（照抄結構、改內容）

以下四份全部是實際部署且 verdict=success 的 workflow，不是簡化示範。 用 acr logs <name>（有 MCP 則 arcrun_get_workflow(<name>)） 可以拿完整定義。

A. 最短：取資料 → 處理　（graph_neighbors）

input >> ON_SUCCESS >> fetch_triplets
fetch_triplets >> ON_SUCCESS >> bfs_neighbors

B. 長鏈：多次查詢 → 組裝 → 問 AI → 收尾　（rag_chat）

input >> ON_SUCCESS >> prep
prep >> ON_SUCCESS >> kw_search
kw_search >> ON_SUCCESS >> sem_search
sem_search >> ON_SUCCESS >> fetch_triplets
fetch_triplets >> ON_SUCCESS >> fetch_blocks_a
fetch_blocks_a >> ON_SUCCESS >> assemble
assemble >> ON_SUCCESS >> ask_llm
ask_llm >> ON_SUCCESS >> finalize

prep 前處理／assemble 組 prompt／finalize 收拾回應——三個常見的整形節點。

C. 一節點分岔兩條 FOREACH　（rag_ingest_card）

input >> ON_SUCCESS >> parse_card
parse_card >> 對每個 block >> post_block
parse_card >> 對每個 rel >> post_triplet

同一節點可有多條出邊，各自處理不同清單。

D. 混合：直線 ＋ 兩段 FOREACH　（rag_takedown_direct）

input >> ON_SUCCESS >> prep
prep >> ON_SUCCESS >> list_dead_blocks
list_dead_blocks >> ON_SUCCESS >> build_deprecations
build_deprecations >> 對每個 dead_entry >> deprecate_entry
build_deprecations >> ON_SUCCESS >> list_triplets
list_triplets >> ON_SUCCESS >> pick_dead_triplets
pick_dead_triplets >> 對每個 dead_record >> deprecate_triplet

build_deprecations 同時有 FOREACH 出邊與 ON_SUCCESS 出邊—— 前者處理清單、後者繼續主線。

---

5. 節點怎麼命名（照真範本的模式，查詢較容易媒合）

意圖	模式	真例
前處理／正規化	prep	rag_chat.prep
取一批資料	fetch_*／list_*	fetch_triplets／list_dead_blocks
搜尋	*_search	kw_search／sem_search
解析／切塊	parse_*	parse_card
寫入	post_*	post_block／post_triplet
組裝	assemble／build_*	assemble／build_deprecations
問 AI	ask_llm	rag_chat.ask_llm
收尾整形	finalize	rag_chat.finalize

---

6. 寫完一定要查（不要直接部署）

curl -s -X POST https://arcrun-cypher-executor.<subdomain>.workers.dev/cypher/search \
  -H 'content-type: application/json' -H 'X-Arcrun-API-Key: <namespace>' \
  -d '{"triplets":["input >> ON_SUCCESS >> fetch_data","fetch_data >> ON_SUCCESS >> notify"]}'

回應的每個節點會有：

status	意思	你該做什麼
found	有這個節點。source: component 附 input_schema（怎麼填 payload）與 success_rate；source: recipe 附 description/endpoint	只填 payload
not_found	兩庫（零件 registry＋recipe 庫）都查過，確定沒有	照 suggestion 欄走：缺 API → 寫 recipe（skill write_recipe）；缺計算能力 → 投稿零件 PR（skill add_new_wasm_component）。similar_components/similar_recipes 是相近候選——先看有沒有現成的能直接用
unknown	查不到 registry	不代表不存在，別據此改寫成 code

註（2026-07-31）：/cypher/search 曾對任何節點名都回假 found，已修為真查兩庫。 舊實例（未更新部署）仍可能假 found——status 可信度以該實例部署版本為準。

---

7. 常犯的錯

1. 用不存在的邊（ON_FAILURE／ON_TRUE）→ 只有 ON_SUCCESS 與 對每個 X
2. 第一個節點不是 input
3. 把 recipe 當零件寫——telegram_send／gmail／kbdb_get 是 recipe 不是零件 → 寫成 http_request ＋ 該 recipe
4. 🔴 查詢回 not_found 就改寫成 code 節點 → 那叫「腹語術」（表面用 Arcrun、實際全寫 JS）。正解：缺 API 寫 recipe、缺能力投稿零件。 code 只用在局部整形（例：剝掉 LLM 回應的雜訊），不用來取代零件與流程控制。

---

8. 相關

• 完整版指引與十題考卷（含 haiku 實測 10/10）： 頂層 repo system-dev/docs/3-specs/arcrun-usable/
• 下一步該讀哪支 skill（需 MCP）：arcrun_list_skills()
  • 定期掃資料 → build_watcher_workflow
  • RAG 檢索問答 → rag_with_arcrun
  • workflow 卡住不動 → debug_paused_workflow

---

9. 資源去哪取（不要自己重造 Arcrun 已有的）

你想知道	跑這個
有哪些零件可用	acr parts
某零件的設定範本	acr parts scaffold <name>
有哪些 recipe	acr recipe list／acr recipe search <關鍵字>
支援哪些服務的認證	acr auth-recipe list
某服務認證要哪些 credential ＋ 範例	acr auth-recipe scaffold <service>
一次掃全部（零件／recipe／auth-recipe／workflow）	acr search <關鍵字>
已部署的 workflow	acr list
某次執行為什麼失敗	acr logs <workflow>
工作流語法、指令	acr --help

先查再動手——Arcrun 多半已經有你要的零件／recipe／認證，不要自刻。

10. 做出來以後：驗證 → 部署

acr validate <workflow>.yaml   # 先驗，別直接部署
acr push <workflow>.yaml       # 部署（暴露動作，見 §12）
acr run <workflow>             # 觸發一次，看實際結果
acr logs <workflow>            # 看執行紀錄／失敗原因

需要 credential（API key／token）時：acr auth-recipe scaffold <service> 看要哪些， 明確告訴使用者去哪取得、怎麼 acr creds push。 🔑 金鑰只拿名字：workflow／recipe 裡只寫 {{credential.<名字>}}， 真身絕不寫進定義檔（執行前才由系統回填）。

11. Arcrun 是你（AI）用的工具，不是工具回頭呼叫 AI

需要智慧判斷／自然語言轉換時，你自己做，再呼叫工作流執行確定性的下一步。 不要在工作流中間放零件回頭呼叫 LLM——Arcrun 的大腦就是操盤的你。 （唯一例外：ask_llm 這種「內容生成本身就是流程的一步」，見範本 B。）

12. 把東西開放給別人用 ＝ 要使用者明示同意

acr push（部署 workflow）與 acr recipe push（投稿 recipe）會讓資料／能力可被外部呼叫：

• 停下來，明確告訴使用者「這會讓 X 可被外部呼叫」，要他同意。不替他決定公開。
• 非互動環境（你直跑）遇到 → 停，把完整指令印給使用者自己貼上跑，絕不自己塞 confirm 假裝同意。
• Arcrun 可提供保護（要求呼叫者帶 key／限流）——提醒使用者。

13. Arcrun 不替你做授權判斷

API 打不打得通由發 key 的服務決定。401／403 是對方服務在行使授權，不是 Arcrun 的 bug、不是你做錯。 不要在 Arcrun 裡建「允許／禁止某 endpoint」的二次授權清單。

14. 誠實（最重要）

• 不假綠：沒打通就誠實說。缺 credential 打不到 2xx → 標「未驗收：缺 X」，不 mock 充綠燈。
• 不假裝防偽／不代替人類確認有風險的動作（暴露資料）。
• 完成 ＝ 客觀證據（HTTP 2xx ＋ trace），不是口頭「做好了」。

---

動手前的自檢清單

1. 我把意圖寫成 >> 串了嗎？（還是直接跳去寫 YAML／寫程式）
2. 我查過 acr search / acr parts / acr recipe list 了嗎？
3. 查詢回 not_found 時，我走的是 recipe／零件 PR 兩條路，還是偷偷改寫成 code？（後者＝腹語術）
4. 我是不是讓工作流回頭呼叫 AI 做判斷？（是 → 改成我自己做）
5. 這動作會把資料開放給別人嗎？（會 → 要使用者明示同意）
6. 我有沒有假裝（假綠／假防偽／代替人類確認）？（有 → 停，誠實標明）