💡 目录 💡
01 没有Worker 模板,Agent 的运行方式
02 使用Worker 模板的场景
03 Worker 模板:利于稳定执行
04 Worker 模板:被共享、分发和持续维护
05 实践案例:售前方案团队
06 结语
摘要
HiClaw 现已支持 Worker 模板,帮助团队把某一类问题中已经验证过的 Skill 组合、执行约束、输出结构和 SOP 沉淀为标准 Worker,让 Agent 在处理同类任务时不必每次从头组织能力,从而获得更稳定的输出,也更方便分发、管理和测试。
很多团队刚开始使用 Agent 时,采用的都是一种很自然的方式:用户先提出任务,再让 Agent 按当前上下文去理解问题、搜索 Skill、组织执行路径,最后完成交付。
这种方式足够灵活,也适合探索新问题。但当一类任务反复出现之后,很多团队会自然进入下一阶段:开始希望把已经跑顺的做法保留下来,而不是每次都从头组织一遍。
HiClaw 的 Worker 模板,更多是在这个阶段发挥作用。

01
没有 Work 模板的情况下
在没有模板时,很多 Agent 的执行过程通常是这样的:
用户发起一个任务。
Agent 根据描述理解问题。
再去搜索或匹配合适的 Skill。
按当次上下文组合执行步骤并输出结果。
这种方式本身没有问题,尤其适合开放型任务。只是随着任务逐渐重复出现,它也会呈现出一个比较常见的特点:同类任务往往会在不同上下文下走出不同路径。
常见的表现包括:
每次任务都要重新装配能力
Skill 的使用顺序不完全固定
输出结构容易随着上下文变化
已经验证过的经验很难直接复用
于是团队关注的重点,通常也会从“能不能完成一次任务”,慢慢转向“能不能比较稳定地重复完成同一类任务”。

02
使用 Worker 模板的场景
Worker 模板看起来像是在复用配置,但它真正承载的内容通常会更多一些,往往是一类问题中已经跑通的做法。
当团队对某个领域已经足够熟悉后,通常会形成一套比较稳定的处理方式,比如:
先用哪些 Skill
哪些步骤必须保留
哪些执行约束不能放松
输出应该按什么结构组织
哪些检查项要进入 SOP
这样被复用的,就不只是单个能力本身,也包括能力之间的配合方式。

Worker 模板更适合那些已经逐渐形成稳定处理框架的场景,例如:
售前方案编写
代码评审
发布前检查
项目启动与需求拆解
内容生产与渠道改写
面向特定业务系统的标准化分析任务
这些任务并不一定简单,但通常已经有比较成熟的 skill 组合和 SOP。在这类场景里,把经验沉淀进模板,往往会比每次重新理解流程、重新搜索能力更顺一些。
03
Worker 模板:利于稳定执行
当 Worker 以模板为起点时,同类任务通常会更容易拥有一致的默认执行路径。
这会带来几个直接变化:
Agent 不必每次重新搜索和组织能力
同类任务更容易得到相对一致的输出
团队可以围绕模板持续优化,而不是反复修正单次结果
成熟经验能够稳定复用,而不是每次重新触发
从这个角度看,Worker 模板更像是在给 Agent 提供一个相对稳定的起点。它并不排斥灵活调整,只是先把执行建立在已经比较成熟的做法之上。
04
Worker 模板如何被共享、分发和持续维护
Worker 模板带来的变化,也不只发生在执行阶段。
当一套成熟做法被固化成模板之后,后续很多事情都会更顺手:
可以分发给不同团队直接复用
可以作为标准资产做版本管理
可以围绕模板建立测试和回归机制
可以持续迭代,而不是依赖个人经验传递
这时候,团队维护的就不再只是一次次任务结果,也是一套可以长期复用的标准 Worker。
对于公开分发场景,这件事会更直观。HiClaw 已经提供了公开的 Worker 市场入口。
Worker 市场:
https://market.hiclaw.io/workers

这个市场本身也是 Worker 模板体系里很重要的一层,但它更准确的定位,是一个面向外部用户开放的公开入口。用户在 market里看到的 skill、Worker 和相关模板能力,门户层基于 HiMarket 构建,底层基于 Nacos AI Registry 统一供给。
在这个体系里,Worker 不再只是某个团队内部保存的一份配置,而会逐渐变成一种可以被注册、审核、发布、发现、选择、复用和迭代的数字人力资源。
从使用者的角度看,这意味着当你需要某一类能力时,不一定要从零开始设计 Agent,也不一定要自己重新整理 skill 和 SOP,而是可以先去市场里看看,是否已经有适合当前任务的数字员工。对于需要私有化部署的场景,也不必依赖公共market,而是可以私有化部署 HiMarket 和 Nacos AI Registry,构建企业内自己的 Skill 市场和 Worker 市场。
从供给侧的角度看,HiMarket 门户和 Nacos AI Registry 支持 skill 和 agentspec的全生命周期管理、分发和审核能力,能够帮助团队集中、安全地管理 skill 和 Worker 模板。这样一来,已经沉淀下来的 Worker 就有了更清晰的演进路径:被统一治理,被持续优化,被安全分发,并在不同团队和环境中稳定复用。

05
实践案例:售前方案团队
很多团队在做售前时,流程其实已经比较固定:
先理解客户背景和核心诉求
再整理技术需求、约束和交付边界
结合既有方案能力做匹配
输出方案初稿、风险说明和汇报摘要
如果没有 Worker 模板,这个过程往往还是要靠人临时组织,或者让 Agent 每次重新搜索 skill、重新拼装路径。这样当然也能做,只是产出的结构和稳定性会比较依赖当次上下文。
如果把这套流程进一步固化为一支售前方案团队,对应的 Worker 模板就可以把不同数字员工组合起来。例如:
sales-engineersales-proposal-strategistsupport-executive-summary-generatorlegal-contract-reviewer
部署完成后,用户只需要提供客户需求文档、会议纪要或者 RFP,团队就可以按既定分工开始工作:
有人负责理解需求和技术边界
有人负责组织解决方案叙事
有人负责压缩成管理层可读摘要
有人负责补齐合同和合规视角的风险点
最终输出的,也就不只是一段泛泛而谈的回答,而会更接近一份可以进入真实业务沟通的方案初稿。
快速开始
第一步,先安装 Hiclaw:
bash <(curl -sSL https://higress.ai/hiclaw/install.sh)第二步,直接告诉 manager帮你导入这几个 Worker,名字保持默认即可:
sales-engineersales-proposal-strategistsupport-executive-summary-generatorlegal-contract-reviewer

你可以直接这样发给 manager:
帮我导入以下 worker,名字都保持默认即可:- sales-engineer- sales-proposal-strategist- support-executive-summary-generator- legal-contract-reviewer第三步,导入完成并且Worker 都初始化成功后,再把具体的售前方案目标发给 manager,让它基于这几个 Worker 组织执行。例如:
请基于刚才导入的 worker 组成一个团队并创建 leader 协调各个成员并行帮我完成一份售前方案初稿。目标:面向一家连锁零售企业,建设统一的会员与营销平台需要支持多门店接入、会员积分、优惠券、短信触达和活动编排现有系统包含 CRM、POS 和微信小程序客户关注交付周期、系统集成复杂度、数据安全与预算控制请输出:- 客户需求理解- 方案架构与能力设计- 系统集成与实施路径- 风险与边界说明- 面向管理层的汇报摘要
06
结语
如果你所在的团队已经在某些任务上形成了比较成熟的处理方式,Worker 模板提供的就是一种更顺手的承载方式:把这些经验沉淀成标准 Worker,在后续任务里直接复用。
在 HiClaw 的使用方式里,你可以把 HiClaw 理解为团队,把 Worker 理解为数字员工,把 market理解为人才市场。需要某类能力时,不必从头搭一套 prompt 和 skill,而是可以直接从市场里找到合适的 Worker,像招聘数字员工一样部署使用。
夜雨聆风