---

name: "agent-workflow-designer" description: "Projeta workflows multi-agente de nível produção com escolha clara de padrão, contratos de transferência, tratamento de falhas e controles de custo e contexto." agents:

• claude-code

---

Agent Workflow Designer

Nível: POWERFUL
Categoria: Engineering
Domínio: Sistemas Multi-Agente / Orquestração de IA

---

Visão Geral

Projeta workflows multi-agente de nível produção com escolha clara de padrão, contratos de transferência, tratamento de falhas e controles de custo e contexto.

Capacidades Principais

• Seleção de padrão de workflow para sistemas de agentes com múltiplas etapas
• Geração de configuração esqueleto para inicialização rápida de workflows
• Disciplina de contexto e custo em fluxos de longa duração
• Scaffolding de estratégias de recuperação de erros e retry
• Referências de documentação para trade-offs de padrões operacionais

---

Quando Usar

• Um único prompt é insuficiente para a complexidade da tarefa
• Você precisa de agentes especialistas com limites explícitos
• Você quer estrutura de workflow determinística antes da implementação
• Você precisa de loops de validação para qualidade ou gates de segurança

---

Início Rápido

# Gerar um esqueleto de workflow sequencial
python3 scripts/workflow_scaffolder.py sequential --name content-pipeline

# Gerar um workflow orquestrador e salvá-lo
python3 scripts/workflow_scaffolder.py orchestrator --name incident-triage --output workflows/incident-triage.json

---

Mapa de Padrões

• sequential: cadeia de dependência passo a passo estrita
• parallel: fan-out/fan-in para subtarefas independentes
• router: despacho por intenção/tipo com fallback
• orchestrator: planejador coordena especialistas com dependências
• evaluator: loop gerador + gate de qualidade

Templates detalhados: references/workflow-patterns.md

---

Workflow Recomendado

1. Selecionar padrão com base no formato de dependência e perfil de risco.
2. Criar scaffold de configuração via scripts/workflow_scaffolder.py.
3. Definir campos do contrato de transferência para cada aresta.
4. Adicionar políticas de retry/timeout e gates de validação de saída.
5. Executar dry-run com orçamentos de contexto pequenos antes de escalar.

---

Armadilhas Comuns

• Sobre-orquestrar tarefas solucionáveis por um único prompt bem estruturado
• Ausência de políticas de timeout/retry para chamadas a modelos externos
• Passar contexto upstream completo em vez de artefatos específicos
• Ignorar acumulação de custo por etapa

Melhores Práticas

1. Comece com o menor padrão que possa satisfazer os requisitos.
2. Mantenha os payloads de transferência explícitos e delimitados.
3. Valide saídas intermediárias antes da síntese no fan-in.
4. Aplique limites de orçamento e timeout em cada etapa.