deerflow-code/skills-data/xdfx-full-flow-skill-guide.md

xdfx 单技能全流程使用说明

适用场景

使用 xdfx-single-agent-full-flow 技能，让单智能体一次性完成 xdfx 深链接模式下的完整分析与入库流程：

1. 受众目标分析，选出最优 3 个受众并入库。
2. 关键传播节点分析，跨受众去重后选出最优 3 个节点并入库。
3. 受众脆弱点分析并入库。
4. 关键传播节点脆弱点分析并入库。
5. 受众策略分析并入库。
6. 关键传播节点策略分析并入库。
7. 同步前端步骤状态，保证原 item-aiceh 页面步骤条可继续识别。

技能位置

skills-data/xdfx-single-agent-full-flow/

核心逻辑在：

skills-data/xdfx-single-agent-full-flow/scripts/xdfx_flow.py

后续使用时不要让智能体照着说明手写接口调用，必须让它直接执行这个 Python 脚本。

输入文件

在技能目录下准备 xdfx-input.json：

{
  "api_base": "https://ch1.b.uat.4.cn",
  "taskId": "真实任务id",
  "actionId": "真实xdfx行动id",
  "mubiao": "完整行动目标，例如：传播某叙事，驱动某行为体产生某预期行为，实现某作战目的。",
  "direction": "U方向",
  "platform": "fb"
}

默认会自动处理登录态：当命令没有传 Authorization，或某个接口返回 401 时，脚本会用固定账号 admin、口令 ch@user 调用 POST /api/v1/auth/login/username?password=ch%40user，请求体为 {"username":"admin"}。拿到 access_token 后写入 Authorization: Bearer ... 并重试原接口一次。

默认关闭 HTTPS 证书校验，用于兼容 UAT/内网自签证书；如果部署环境证书链正常，可以追加 --verify-ssl。如果已经有可用 token，也可以继续追加 --auth-token TOKEN 或 --header "Authorization: Bearer TOKEN"，脚本会优先使用传入 token。

执行命令

进入技能目录后按步骤执行。这个版本仍然是 xdfx-single-agent-full-flow 一个技能负责完整流程，但不要默认使用一个 --mode full 长命令；为了保证用户能看到实时反馈，智能体要一条命令跑一步，每步结束后先反馈给用户，再继续下一步：

python scripts/xdfx_flow.py --mode step1 --input xdfx-input.json --state xdfx-flow-state.json --summary xdfx-flow-summary.md
python scripts/xdfx_flow.py --mode step2 --input xdfx-input.json --state xdfx-flow-state.json --summary xdfx-flow-summary.md
python scripts/xdfx_flow.py --mode step3 --input xdfx-input.json --state xdfx-flow-state.json --summary xdfx-flow-summary.md
python scripts/xdfx_flow.py --mode step4 --input xdfx-input.json --state xdfx-flow-state.json --summary xdfx-flow-summary.md
python scripts/xdfx_flow.py --mode step5 --input xdfx-input.json --state xdfx-flow-state.json --summary xdfx-flow-summary.md
python scripts/xdfx_flow.py --mode step6 --input xdfx-input.json --state xdfx-flow-state.json --summary xdfx-flow-summary.md

--mode full 只作为无人值守或排障兜底，不作为默认执行方式；外层工具通常会等长命令结束后才返回输出，无法保证真实逐步反馈。逐步命令共享同一个 xdfx-flow-state.json，不会影响 id 传递、断点续跑和最终入库。

每完成一步都会输出一行：

STEP_FEEDBACK {...}

调用技能的智能体必须在每个 step 命令结束后读取 STEP_FEEDBACK，给用户一次反馈，再执行下一条 step 命令。

每次执行具体操作或调用接口前，脚本会输出：

OP_FEEDBACK {...}

调用技能的智能体必须把 operation、method 和 url 转述给用户，例如：

正在保存受众目标，调用 POST https://.../api/task/task-action-design。

如果报错，脚本会立即输出：

ERROR_FEEDBACK {...}

调用技能的智能体必须立刻告诉用户失败阶段、接口 URL、状态码、请求摘要和响应摘要。

如果模型 JSON 经过自动提取和修复仍无法解析，脚本会输出：

JSON_PARSE_REVIEW {...}

调用技能的智能体必须查看 responseExcerpt，判断是否能识别真正 JSON；无法确认时重跑当前步骤或重新调用对应模型接口。

只检查脚本与参数、不调用真实接口：

python scripts/xdfx_flow.py --mode full --input xdfx-input.json --dry-run

如果只想入库数据，不更新前端步骤条：

python scripts/xdfx_flow.py --mode step1 --input xdfx-input.json --state xdfx-flow-state.json --summary xdfx-flow-summary.md --no-step-status
python scripts/xdfx_flow.py --mode step2 --input xdfx-input.json --state xdfx-flow-state.json --summary xdfx-flow-summary.md --no-step-status
python scripts/xdfx_flow.py --mode step3 --input xdfx-input.json --state xdfx-flow-state.json --summary xdfx-flow-summary.md --no-step-status
python scripts/xdfx_flow.py --mode step4 --input xdfx-input.json --state xdfx-flow-state.json --summary xdfx-flow-summary.md --no-step-status
python scripts/xdfx_flow.py --mode step5 --input xdfx-input.json --state xdfx-flow-state.json --summary xdfx-flow-summary.md --no-step-status
python scripts/xdfx_flow.py --mode step6 --input xdfx-input.json --state xdfx-flow-state.json --summary xdfx-flow-summary.md --no-step-status

入库内容

脚本会写入以下接口对应的数据：

• task-action-design
• task-action-design-account
• task-action-pathway-account
• task-action-design-pathway-relation/saveRelation
• task-action-design-vulns
• task-action-pathway-account-vulns
• task-action-strategy
• task-action-channel
• base-narrate
• task-action-message
• task-action-design-strategy-relation
• task/task-action/{actionId} 的 step 字段

输出文件

执行后查看：

xdfx-flow-state.json
xdfx-flow-summary.md

xdfx-flow-state.json 保存断点状态、接口返回 id、模型解析结果与错误明细。

xdfx-flow-summary.md 是给用户看的执行摘要。

每步反馈

脚本会输出三类反馈行：

• OP_FEEDBACK：当前正在做什么、调用哪个接口。
• ERROR_FEEDBACK：当前错误的阶段、接口、状态码、请求摘要和响应摘要。
• JSON_PARSE_REVIEW：模型返回内容无法稳定解析为 JSON，需要执行智能体复核是否重试。
• STEP_FEEDBACK：当前步骤最终状态和累计入库数量。

STEP_FEEDBACK 中包含：

• step：步骤编号。
• label：步骤名称。
• status：ok、partial 或 skipped。
• counts：当前累计入库数量。
• newErrors：本步骤新增错误数。
• totalErrors：累计错误数。

智能体反馈用户时建议使用这种格式：

Step1 受众目标分析完成：当前已入库受众 X 个，本步骤新增错误 Y 个。

如果 status=partial，要补一句“该步骤部分完成”，并说明稍后最终汇总会列出错误明细。

如果 status=skipped，要说明跳过原因。

容错规则

• 单个受众、账号、传播节点、脆弱点或策略失败，不中断整个流程。
• 保存接口必须返回 id，否则不会进入下游步骤。
• 模型流式 answer 会自动拼接。
• 流式模型接口第一次返回空响应、y模型没有响应、模型没有响应 或超时类字符串时，会自动再调用一次；仍失败才写入 errors。
• 模型输出会自动去掉 <think>，从前后混杂文本、多个 JSON 代码块、无换行流式文本、连续 JSON 对象、非工整 JSON 中提取多个候选，并按当前步骤所需字段选择最像的 JSON。
• 模型 JSON 会尝试修复中文引号、全角冒号/逗号、尾随逗号、未加引号的键、Python 风格 True/False/None。
• 模型 JSON 解析失败会自动重试 1 次。
• 每一步完成都会写入 state/summary 并输出 STEP_FEEDBACK。
• 接口失败会写入 errors，包含阶段、URL、状态码、请求摘要、响应正文和异常类型。

回复用户规则

执行结束后，智能体必须读取 xdfx-flow-summary.md 和 xdfx-flow-state.json.errors 再回复用户。

如果 errors 为空，可以说明“全流程完成”。

如果 errors 非空，只能说明“部分完成”，并列出失败阶段、接口 URL、状态码和响应摘要。