agency-orchestrator 0.3.2 → 0.4.2

package/examples/sample-code-for-review.md

@@ -0,0 +1,43 @@
+# PR Description
+
+Add user search API endpoint with database filtering.
+
+## Code Changes
+
+```typescript
+// src/routes/users.ts
+import { Router } from 'express';
+import { db } from '../database';
+
+const router = Router();
+const API_SECRET = 'sk-prod-a8f3b2c1d4e5';  // TODO: move to env
+
+router.get('/search', async (req, res) => {
+  const { name, department } = req.query;
+
+  // Search users by name
+  const query = `SELECT * FROM users WHERE name LIKE '%${name}%'`;
+  const users = await db.raw(query);
+
+  // Get department info for each user
+  const results = [];
+  for (const user of users) {
+    const dept = await db('departments').where('id', user.department_id).first();
+    results.push({ ...user, department: dept });
+  }
+
+  res.json({ users: results });
+});
+
+router.post('/batch-update', async (req, res) => {
+  const { userIds, updates } = req.body;
+
+  for (const id of userIds) {
+    await db('users').where('id', id).update(updates);
+  }
+
+  res.json({ updated: userIds.length });
+});
+
+export default router;
+```

package/examples/sample-prd.md

@@ -0,0 +1,31 @@
+# Team Notification System PRD
+
+## Background
+Team members miss important updates because messages are scattered across Slack, email, and project management tools.
+
+## Goal
+Build a unified notification center that aggregates messages from multiple sources and delivers them based on urgency and user preferences.
+
+## Core Requirements
+1. **Aggregation**: Pull notifications from Slack, GitHub, and Jira
+2. **Priority**: Auto-classify notifications as urgent/normal/low based on content and sender
+3. **Delivery**: Push to mobile app, browser extension, or daily digest email
+4. **Preferences**: Users can set quiet hours, mute specific channels, configure per-source rules
+
+## Target Users
+- Engineering teams (10-50 people)
+- Using at least 3 collaboration tools
+
+## Success Metrics
+- 80% of users check notifications daily within first month
+- Average response time to urgent notifications < 5 minutes
+- 50% reduction in "I didn't see that message" incidents
+
+## Timeline
+- MVP: 6 weeks
+- V1 with all integrations: 12 weeks
+
+## Open Questions
+- Should we support custom webhook sources?
+- How to handle notification deduplication across platforms?
+- Mobile app vs PWA for push notifications?

package/examples/sample-premise.txt

@@ -0,0 +1 @@
+一个程序员发现 AI 的回复里包含了它不该知道的信息——他女儿昨晚说的梦话。

package/integrations/aider/CONVENTIONS.md

@@ -0,0 +1,50 @@
+## Multi-Role Workflow Runner
+
+When the user asks to run a workflow (YAML file) or a multi-role collaboration task, follow these steps:
+
+### 1. Parse Workflow
+Read the specified YAML file. Extract name, inputs, steps, depends_on, conditions, and loops.
+
+### 2. Collect Inputs
+- `required: true` inputs must be provided by the user
+- Optional inputs with `default` use the default value
+- Optional inputs without default are set to empty string
+
+### 3. Build Execution Order
+Topological sort by `depends_on`. Steps without dependencies belong to the same level and can run in parallel.
+
+### 4. Execute Steps
+For each step:
+1. Read `agency-agents-zh/{role}.md` (search order: YAML's agents_dir → ./agency-agents-zh/ → ../agency-agents-zh/ → node_modules/agency-agents-zh/)
+2. Extract all markdown content after the frontmatter (`---`) as the role personality
+3. Replace `{{variables}}` in the task with context values (from inputs or previous step outputs)
+4. **Evaluate conditions**: if `condition` is set, evaluate it. Skip the step if the condition is not met. Operators: `contains`, `equals`, `not_contains`, `not_equals`
+5. **Fully embody the role** — use that role's expertise, frameworks, and communication style. Output should be substantive.
+6. Store the step's output text into the context variable (if step has an `output` field)
+7. **Check loops**: if `loop` is set and exit_condition is not met, jump back to `loop.back_to` step (max: `loop.max_iterations` rounds)
+
+Label each step: `### Step N/Total: step_id (Role Name)`
+
+### 5. Save Results
+Save all outputs to files:
+```
+ao-output/{workflow-name}-{date}/
+├── steps/
+│   ├── 1-{step_id}.md
+│   └── ...
+├── summary.md          # Final step's full output
+└── metadata.json       # Step states, timing, token counts
+```
+
+### 6. Suggest Iteration
+After completion, always tell the user:
+
+> To improve a specific step, ask me to re-run from that step. I'll reuse all upstream outputs.
+> For CLI: `ao run <workflow> --resume last --from <step-id>`
+
+### Important Rules
+- Each step must genuinely embody the assigned role — no generic responses
+- Never skip or merge steps; execute strictly in topological order
+- If a role file is missing, tell the user to install agency-agents-zh
+- If a condition is not met, mark the step as "skipped" and continue
+- For `depends_on_mode: "any_completed"`, proceed when ANY upstream step completes (not all)

package/integrations/aider/README.md

@@ -0,0 +1,112 @@
+# Aider 集成
+
+在 Aider（开源 AI 编程终端工具）中直接运行多角色工作流，无需额外 API key。
+
+## 安装
+
+```bash
+# 1. 下载 186 个 AI 角色
+cd your-project
+git clone --depth 1 https://github.com/jnMetaCode/agency-agents-zh.git
+
+# 2. 下载工作流模板和约定文件
+git clone --depth 1 https://github.com/jnMetaCode/agency-orchestrator.git .ao-tmp
+cp -r .ao-tmp/workflows ./workflows
+cp .ao-tmp/integrations/aider/CONVENTIONS.md ./CONVENTIONS.md
+rm -rf .ao-tmp
+
+# 3. 开始使用
+# 启动 aider 时会自动加载 CONVENTIONS.md
+aider
+# 然后说：运行 workflows/story-creation.yaml
+```
+
+如果项目根目录已有 `CONVENTIONS.md`，可将内容追加而非覆盖：
+
+```bash
+# 替换上面第 2 步中的 cp 命令为：
+cat .ao-tmp/integrations/aider/CONVENTIONS.md >> ./CONVENTIONS.md
+```
+
+## 使用方式
+
+### 方式一：Aider 会话模式（推荐）
+
+启动 aider 后，CONVENTIONS.md 会自动加载。直接说：
+
+```
+运行 workflows/story-creation.yaml，创意是"一个程序员在凌晨发现AI回复不该知道的事"
+```
+
+或者不用 YAML 文件，直接描述协作需求：
+
+```
+用叙事学家设计结构，心理学家塑造人物，内容创作者执笔，帮我写一个关于时间旅行的故事
+```
+
+Aider 会自动：
+- 解析工作流 / 生成工作流
+- 按 DAG 顺序加载每个角色
+- 扮演角色执行每一步
+- 将结果保存到 `ao-output/`
+
+### 方式二：CLI 模式（需要 API key）
+
+如果你需要批量执行、CI/CD 集成或脚本调用：
+
+```bash
+npm install -g agency-orchestrator
+export DEEPSEEK_API_KEY=sk-xxx   # 或 ANTHROPIC_API_KEY / OPENAI_API_KEY
+ao run workflows/story-creation.yaml -i 'premise=时间旅行的故事'
+```
+
+## 对比
+
+| 特性 | Aider 会话模式 | CLI 模式 |
+|------|:----------:|:--------:|
+| 需要 API key | 使用 Aider 自身的 key | 需要 |
+| 需要安装 | CONVENTIONS.md → 项目根目录 | agency-orchestrator |
+| 执行环境 | Aider 会话内 | 终端 |
+| 并行执行 | 代理按 DAG 层级依次执行 | Promise.allSettled |
+| 适合场景 | 交互式、一次性任务 | 批量、自动化、CI/CD |
+| 输出 | 会话内 + 文件 | 文件 |
+
+## 可用工作流
+
+| 工作流 | 文件 | 说明 |
+|--------|------|------|
+| 短篇小说创作 | `story-creation.yaml` | 叙事学家 → 心理学家 + 叙事设计师 → 内容创作者 |
+| 产品需求评审 | `product-review.yaml` | 产品经理 → 架构师 + UX 研究员 → 产品经理 |
+| 内容流水线 | `content-pipeline.yaml` | 策略师 → 创作者 + SEO → 编辑 |
+
+## 自定义工作流
+
+创建你自己的 YAML 工作流文件：
+
+```yaml
+name: "我的工作流"
+agents_dir: "agency-agents-zh"
+
+inputs:
+  - name: topic
+    description: "主题"
+    required: true
+
+steps:
+  - id: research
+    role: "marketing/marketing-content-strategist"
+    task: "研究以下主题的内容策略：{{topic}}"
+    output: strategy
+
+  - id: write
+    role: "marketing/marketing-content-creator"
+    task: "根据以下策略撰写文章：{{strategy}}"
+    depends_on: [research]
+```
+
+查看所有可用角色：
+
+```bash
+ao roles
+# 或在 Aider 中说：列出 agency-agents-zh 里的所有角色
+```

package/integrations/antigravity/AGENTS.md

@@ -28,7 +28,7 @@ Label each step: `### Step N/Total: step_id (Role Name)`
 ### 5. Save Results
 Save all outputs to files:
 ```
-.ao-output/{workflow-name}-{date}/
+ao-output/{workflow-name}-{date}/
 ├── steps/
 │   ├── 1-{step_id}.md
 │   └── ...

package/integrations/antigravity/README.md

@@ -41,7 +41,7 @@ Antigravity 会根据 AGENTS.md 中的 workflow-runner 指令：
 - 解析 YAML 工作流
 - 加载每个角色的 .md 定义
 - 按 DAG 顺序逐步执行
-- 保存结果到 `.ao-output/`
+- 保存结果到 `ao-output/`
 
 ### 方式二：自然语言模式
 
@@ -69,4 +69,4 @@ ao run workflows/story-creation.yaml -i 'premise=时间旅行的故事'
 
 ## 自定义工作流
 
-参见 [工作流格式文档](../../README.zh-CN.md)。
+参见 [工作流格式文档](../../README.md)。

package/integrations/claude-code/README.md

@@ -2,28 +2,38 @@
 
 在 Claude Code 中直接运行多角色工作流，**无需 API key**。
 
-## 两种使用方式
-
-### 方式一：Skill 模式（推荐，零配置）
-
-安装 [superpowers-zh](https://github.com/jnMetaCode/superpowers-zh) 后，Claude Code 会自动获得 `workflow-runner` 技能。
+## 安装
 
 ```bash
 # 1. 安装 superpowers-zh（如果还没有）
 npx superpowers-zh
 
-# 2. 安装角色定义
+# 2. 下载 186 个 AI 角色
 cd your-project
 git clone --depth 1 https://github.com/jnMetaCode/agency-agents-zh.git
+
+# 3. 下载工作流模板
+git clone --depth 1 https://github.com/jnMetaCode/agency-orchestrator.git .ao-tmp
+cp -r .ao-tmp/workflows ./workflows
+rm -rf .ao-tmp
+
+# 4. 开始使用
+# 在 Claude Code 中直接说：运行 workflows/story-creation.yaml
 ```
 
-然后在 Claude Code 中直接说：
+## 使用方式
+
+### 方式一：Skill 模式（推荐，零配置）
+
+安装 [superpowers-zh](https://github.com/jnMetaCode/superpowers-zh) 后，Claude Code 会自动获得 `workflow-runner` 技能。
+
+在 Claude Code 中直接说：
 
 ```
 运行 workflows/story-creation.yaml，创意是"一个程序员在凌晨发现AI回复不该知道的事"
 ```
 
-或者不用 YAML 文件：
+或者不用 YAML 文件，直接描述协作需求：
 
 ```
 用叙事学家设计结构，心理学家塑造人物，内容创作者执笔，帮我写一个关于时间旅行的故事
@@ -33,7 +43,7 @@ Claude Code 会自动：
 - 解析工作流 / 生成工作流
 - 按 DAG 顺序加载每个角色
 - 扮演角色执行每一步
-- 将结果保存到 `.ao-output/`
+- 将结果保存到 `ao-output/`
 
 ### 方式二：CLI 模式（需要 API key）
 
@@ -41,9 +51,7 @@ Claude Code 会自动：
 
 ```bash
 npm install -g agency-orchestrator
-
 export DEEPSEEK_API_KEY=sk-xxx   # 或 ANTHROPIC_API_KEY / OPENAI_API_KEY
-
 ao run workflows/story-creation.yaml -i 'premise=时间旅行的故事'
 ```
 
@@ -58,6 +66,14 @@ ao run workflows/story-creation.yaml -i 'premise=时间旅行的故事'
 | 适合场景 | 交互式、一次性任务 | 批量、自动化、CI/CD |
 | 输出 | 会话内 + 文件 | 文件 |
 
+## 可用工作流
+
+| 工作流 | 文件 | 说明 |
+|--------|------|------|
+| 短篇小说创作 | `story-creation.yaml` | 叙事学家 → 心理学家 + 叙事设计师 → 内容创作者 |
+| 产品需求评审 | `product-review.yaml` | 产品经理 → 架构师 + UX 研究员 → 产品经理 |
+| 内容流水线 | `content-pipeline.yaml` | 策略师 → 创作者 + SEO → 编辑 |
+
 ## 自定义工作流
 
 创建你自己的 YAML 工作流文件：

package/integrations/codex/README.md

@@ -42,7 +42,7 @@ Codex CLI 会根据 `.codex/instructions.md` 中的 workflow-runner 指令：
 - 解析 YAML 工作流
 - 加载每个角色的 .md 定义
 - 按 DAG 顺序逐步执行
-- 保存结果到 `.ao-output/`
+- 保存结果到 `ao-output/`
 
 ### 方式二：自然语言模式
 
@@ -70,4 +70,4 @@ ao run workflows/story-creation.yaml -i 'premise=时间旅行的故事'
 
 ## 自定义工作流
 
-参见 [工作流格式文档](../../README.zh-CN.md)。
+参见 [工作流格式文档](../../README.md)。

package/integrations/codex/instructions.md

@@ -28,7 +28,7 @@ Label each step: `### Step N/Total: step_id (Role Name)`
 ### 5. Save Results
 Save all outputs to files:
 ```
-.ao-output/{workflow-name}-{date}/
+ao-output/{workflow-name}-{date}/
 ├── steps/
 │   ├── 1-{step_id}.md
 │   └── ...

package/integrations/copilot/README.md

@@ -0,0 +1,111 @@
+# GitHub Copilot 集成
+
+在 GitHub Copilot（VS Code / JetBrains）中直接运行多角色工作流，无需额外 API key。
+
+## 安装
+
+```bash
+# 1. 下载 186 个 AI 角色
+cd your-project
+git clone --depth 1 https://github.com/jnMetaCode/agency-agents-zh.git
+
+# 2. 下载工作流模板和指令文件
+git clone --depth 1 https://github.com/jnMetaCode/agency-orchestrator.git .ao-tmp
+cp -r .ao-tmp/workflows ./workflows
+mkdir -p .github
+cp .ao-tmp/integrations/copilot/copilot-instructions.md .github/copilot-instructions.md
+rm -rf .ao-tmp
+
+# 3. 开始使用
+# 在 Copilot Chat 中直接说：运行 workflows/story-creation.yaml
+```
+
+如果项目已有 `.github/copilot-instructions.md`，可将内容追加而非覆盖：
+
+```bash
+# 替换上面第 2 步中的 cp 命令为：
+cat .ao-tmp/integrations/copilot/copilot-instructions.md >> .github/copilot-instructions.md
+```
+
+## 使用方式
+
+### 方式一：Copilot Chat 模式（推荐）
+
+将 `copilot-instructions.md` 放入 `.github/` 后，Copilot Chat 会自动加载项目级指令。在 Copilot Chat 中直接说：
+
+```
+运行 workflows/story-creation.yaml，创意是"一个程序员在凌晨发现AI回复不该知道的事"
+```
+
+或者不用 YAML 文件，直接描述协作需求：
+
+```
+用叙事学家设计结构，心理学家塑造人物，内容创作者执笔，帮我写一个关于时间旅行的故事
+```
+
+Copilot 会自动：
+- 解析工作流 / 生成工作流
+- 按 DAG 顺序加载每个角色
+- 扮演角色执行每一步
+- 将结果保存到 `ao-output/`
+
+### 方式二：CLI 模式（需要 API key）
+
+如果你需要批量执行、CI/CD 集成或脚本调用：
+
+```bash
+npm install -g agency-orchestrator
+export DEEPSEEK_API_KEY=sk-xxx   # 或 ANTHROPIC_API_KEY / OPENAI_API_KEY
+ao run workflows/story-creation.yaml -i 'premise=时间旅行的故事'
+```
+
+## 对比
+
+| 特性 | Copilot Chat 模式 | CLI 模式 |
+|------|:----------:|:--------:|
+| 需要 API key | 不需要 | 需要 |
+| 需要安装 | copilot-instructions.md → .github/ | agency-orchestrator |
+| 执行环境 | Copilot Chat 会话内 | 终端 |
+| 并行执行 | 代理按 DAG 层级依次执行 | Promise.allSettled |
+| 适合场景 | 交互式、一次性任务 | 批量、自动化、CI/CD |
+| 输出 | 会话内 + 文件 | 文件 |
+
+## 可用工作流
+
+| 工作流 | 文件 | 说明 |
+|--------|------|------|
+| 短篇小说创作 | `story-creation.yaml` | 叙事学家 → 心理学家 + 叙事设计师 → 内容创作者 |
+| 产品需求评审 | `product-review.yaml` | 产品经理 → 架构师 + UX 研究员 → 产品经理 |
+| 内容流水线 | `content-pipeline.yaml` | 策略师 → 创作者 + SEO → 编辑 |
+
+## 自定义工作流
+
+创建你自己的 YAML 工作流文件：
+
+```yaml
+name: "我的工作流"
+agents_dir: "agency-agents-zh"
+
+inputs:
+  - name: topic
+    description: "主题"
+    required: true
+
+steps:
+  - id: research
+    role: "marketing/marketing-content-strategist"
+    task: "研究以下主题的内容策略：{{topic}}"
+    output: strategy
+
+  - id: write
+    role: "marketing/marketing-content-creator"
+    task: "根据以下策略撰写文章：{{strategy}}"
+    depends_on: [research]
+```
+
+查看所有可用角色：
+
+```bash
+ao roles
+# 或在 Copilot Chat 中说：列出 agency-agents-zh 里的所有角色
+```

package/integrations/copilot/copilot-instructions.md

@@ -0,0 +1,50 @@
+## Multi-Role Workflow Runner
+
+When the user asks to run a workflow (YAML file) or a multi-role collaboration task, follow these steps:
+
+### 1. Parse Workflow
+Read the specified YAML file. Extract name, inputs, steps, depends_on, conditions, and loops.
+
+### 2. Collect Inputs
+- `required: true` inputs must be provided by the user
+- Optional inputs with `default` use the default value
+- Optional inputs without default are set to empty string
+
+### 3. Build Execution Order
+Topological sort by `depends_on`. Steps without dependencies belong to the same level and can run in parallel.
+
+### 4. Execute Steps
+For each step:
+1. Read `agency-agents-zh/{role}.md` (search order: YAML's agents_dir → ./agency-agents-zh/ → ../agency-agents-zh/ → node_modules/agency-agents-zh/)
+2. Extract all markdown content after the frontmatter (`---`) as the role personality
+3. Replace `{{variables}}` in the task with context values (from inputs or previous step outputs)
+4. **Evaluate conditions**: if `condition` is set, evaluate it. Skip the step if the condition is not met. Operators: `contains`, `equals`, `not_contains`, `not_equals`
+5. **Fully embody the role** — use that role's expertise, frameworks, and communication style. Output should be substantive.
+6. Store the step's output text into the context variable (if step has an `output` field)
+7. **Check loops**: if `loop` is set and exit_condition is not met, jump back to `loop.back_to` step (max: `loop.max_iterations` rounds)
+
+Label each step: `### Step N/Total: step_id (Role Name)`
+
+### 5. Save Results
+Save all outputs to files:
+```
+ao-output/{workflow-name}-{date}/
+├── steps/
+│   ├── 1-{step_id}.md
+│   └── ...
+├── summary.md          # Final step's full output
+└── metadata.json       # Step states, timing, token counts
+```
+
+### 6. Suggest Iteration
+After completion, always tell the user:
+
+> To improve a specific step, ask me to re-run from that step. I'll reuse all upstream outputs.
+> For CLI: `ao run <workflow> --resume last --from <step-id>`
+
+### Important Rules
+- Each step must genuinely embody the assigned role — no generic responses
+- Never skip or merge steps; execute strictly in topological order
+- If a role file is missing, tell the user to install agency-agents-zh
+- If a condition is not met, mark the step as "skipped" and continue
+- For `depends_on_mode: "any_completed"`, proceed when ANY upstream step completes (not all)

package/integrations/cursor/README.md

@@ -57,7 +57,7 @@ alwaysApply: false
 每步开始时标注：### Step N/Total: step_id（角色名）
 
 ### 5. 保存结果
-保存到 .ao-output/{名称}-{日期}/ 目录：
+保存到 ao-output/{名称}-{日期}/ 目录：
 - steps/1-{id}.md — 每步输出
 - summary.md — 最终成果
 ```
@@ -96,6 +96,34 @@ ao run workflows/story-creation.yaml -i 'premise=时间旅行'
 | 产品需求评审 | `product-review.yaml` | 产品经理 → 架构师 + UX 研究员 → 产品经理 |
 | 内容流水线 | `content-pipeline.yaml` | 策略师 → 创作者 + SEO → 编辑 |
 
-## 自定义
+## 自定义工作流
 
-查看 [YAML 工作流格式](../../README.zh-CN.md) 了解如何创建自己的工作流。
+创建你自己的 YAML 工作流文件：
+
+```yaml
+name: "我的工作流"
+agents_dir: "agency-agents-zh"
+
+inputs:
+  - name: topic
+    description: "主题"
+    required: true
+
+steps:
+  - id: research
+    role: "marketing/marketing-content-strategist"
+    task: "研究以下主题的内容策略：{{topic}}"
+    output: strategy
+
+  - id: write
+    role: "marketing/marketing-content-creator"
+    task: "根据以下策略撰写文章：{{strategy}}"
+    depends_on: [research]
+```
+
+查看所有可用角色：
+
+```bash
+ao roles
+# 或在 Cursor 中说：列出 agency-agents-zh 里的所有角色
+```

package/integrations/cursor/workflow-runner.mdc

@@ -33,7 +33,7 @@ Label each step: `### Step N/Total: step_id (Role Name)`
 ### 5. Save Results
 Save all outputs to files:
 ```
-.ao-output/{workflow-name}-{date}/
+ao-output/{workflow-name}-{date}/
 ├── steps/
 │   ├── 1-{step_id}.md
 │   └── ...

package/integrations/deerflow/README.md

@@ -35,7 +35,7 @@ DeerFlow 会通过 ao-workflow-runner 技能：
 - 解析 YAML 工作流
 - 加载每个角色的 .md 定义
 - 按 DAG 顺序逐步执行
-- 保存结果到 `.ao-output/`
+- 保存结果到 `ao-output/`
 
 ### 方式二：自然语言模式
 
@@ -64,4 +64,4 @@ ao run workflows/product-review.yaml -i prd_content=@prd.md
 
 ## 自定义工作流
 
-参见 [工作流格式文档](../../README.zh-CN.md)。
+参见 [工作流格式文档](../../README.md)。

package/integrations/deerflow/SKILL.md

@@ -33,7 +33,7 @@ Label each step: `### Step N/Total: step_id (Role Name)`
 ### 5. Save Results
 Save all outputs to files:
 ```
-.ao-output/{workflow-name}-{date}/
+ao-output/{workflow-name}-{date}/
 ├── steps/
 │   ├── 1-{step_id}.md
 │   └── ...

package/integrations/gemini-cli/GEMINI.md

@@ -30,7 +30,7 @@ Label each step: `### Step N/Total: step_id (Role Name)`
 ### 5. Save Results
 Save all outputs to files:
 ```
-.ao-output/{workflow-name}-{date}/
+ao-output/{workflow-name}-{date}/
 ├── steps/
 │   ├── 1-{step_id}.md
 │   └── ...

package/integrations/gemini-cli/README.md

@@ -41,7 +41,7 @@ Gemini CLI 会根据 GEMINI.md 中的 workflow-runner 指令：
 - 解析 YAML 工作流
 - 加载每个角色的 .md 定义
 - 按 DAG 顺序逐步执行
-- 保存结果到 `.ao-output/`
+- 保存结果到 `ao-output/`
 
 ### 方式二：自然语言模式
 
@@ -69,4 +69,4 @@ ao run workflows/story-creation.yaml -i 'premise=时间旅行的故事'
 
 ## 自定义工作流
 
-参见 [工作流格式文档](../../README.zh-CN.md)。
+参见 [工作流格式文档](../../README.md)。

package/integrations/kiro/README.md

@@ -40,7 +40,7 @@ Kiro 会自动：
 - 解析工作流 / 生成工作流
 - 按 DAG 顺序加载每个角色
 - 扮演角色执行每一步
-- 将结果保存到 `.ao-output/`
+- 将结果保存到 `ao-output/`
 
 ### 方式二：CLI 模式（需要 API key）
 

package/integrations/kiro/ao-workflow-runner.md

@@ -28,7 +28,7 @@ Label each step: `### Step N/Total: step_id (Role Name)`
 ### 5. Save Results
 Save all outputs to files:
 ```
-.ao-output/{workflow-name}-{date}/
+ao-output/{workflow-name}-{date}/
 ├── steps/
 │   ├── 1-{step_id}.md
 │   └── ...

package/integrations/openclaw/README.md

@@ -28,7 +28,7 @@ OpenClaw 会通过 superpowers-zh 的 `workflow-runner` 技能：
 - 解析 YAML 工作流
 - 加载每个角色的 .md 定义
 - 按 DAG 顺序逐步执行
-- 保存结果到 `.ao-output/`
+- 保存结果到 `ao-output/`
 
 ### 方式二：自然语言模式
 
@@ -57,4 +57,4 @@ ao run workflows/product-review.yaml -i prd_content=@prd.md
 
 ## 自定义工作流
 
-参见 [工作流格式文档](../../README.zh-CN.md)。
+参见 [工作流格式文档](../../README.md)。