Leo
388c193ae7
對應 .agents/specs/llm-interface/ Milestone 3.1 + 3.3。
registry/examples/ — 10 個可直接 push 的 workflow 範本：
starter: webhook-to-http
common: cron-watcher, llm-classify, rag-search-answer, daily-digest
external: email-summary (gmail+claude+telegram), pdf-to-blocks,
github-issue-bot
advanced: parallel-fanout (trigger_workflow fan-out),
error-retry (try_catch+wait pattern)
每個含：workflow.yaml（可直接 push）+ description.md（解決什麼問題 /
改成你自己的 / 學到什麼）+ tags.json（搜尋用）
registry/skills/ — 5 個 AI playbook（markdown）：
build_watcher_workflow — cron + filter + trigger 模式
debug_paused_workflow — claude_api callback paused 怎麼追
migrate_http_to_trigger_workflow — 從 self-fetch 換 trigger_workflow
rag_with_arcrun — KBDB + claude_api 組裝 RAG
add_new_wasm_component — TinyGo 寫 + 部署全流程
兩者差異：
examples = 可直接拿來改的 YAML
skills = 面對 X 問題該怎麼想 + 該用哪個 example
兩者後續：CI 自動同步進 KBDB（type=workflow-example / type=agent-skill），
MCP arcrun_search_examples / arcrun_list_skills 走 KBDB semantic search。
（CI sync 是 M3.4 工作）
Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
Arcrun Skill Library
給 AI 操盤手用的 playbook（pattern + 流程指引）。 比 examples 更高層 — examples 是「可直接用的 YAML」，skills 是「面對 X 問題該怎麼想 + 該用什麼 example」。
對應 SDD:
matrix/arcrun/.agents/specs/llm-interface/Milestone 3.1
結構
每個 skill 是一份 markdown：
{skill-name}.md
Skill 清單
| Skill | 何時用 |
|---|---|
build_watcher_workflow |
用戶想「每 X 分鐘掃資料，找到符合的處理」 |
debug_paused_workflow |
workflow 卡 paused 不動了 |
migrate_http_to_trigger_workflow |
看到舊 workflow 用 http_request 自打，CF self-fetch 死鎖 |
rag_with_arcrun |
用戶想做「問問題 + 用我的資料回答」 |
add_new_wasm_component |
缺零件需要寫新的（TinyGo WASM） |
CI 自動同步
GH Actions 監聽本目錄變動 → PATCH 每個 skill 進 KBDB type=agent-skill block。
MCP arcrun_list_skills(tag?) / arcrun_get_skill(slug) 給 AI 查。