name: nl2flow description: 把自然語言描述的固定高頻任務，「去 LLM 化」固化成一次生成、永久免費本地執行的自動化工作流，並帶護欄地部署到 定時任務/WorkBuddy automation。三層架構：Parser(自然語言→FlowManifest) → Generator(Manifest→可執行指令碼) → Renderer(確認卡)；含「固化閉環」(模板結構指紋匹配，相似任務零成本命中不調 LLM)、「執行期失敗告警兜底」、以及「模型批准關卡(成本鐵律)」。觸發詞：NL2Flow、自然語言搭工作流、自動化工作流、定時任務部署、去 LLM 化沉澱、固化自動化、跑通的活固化成模板、便宜供應商切換、模型批准關卡、不燒 LLM、自治任務防燒錢。 agent_created: true

NL2Flow（自然語言 → 自動化工作流 · 去 LLM 化沉澱層）

它解決什麼

固定、高頻的任務（每天抓新聞總結、每週讀文件出報告、監控價格告警）如果每次都現問 LLM，既慢又持續燒錢。 NL2Flow 把它們一次生成、永久免費本地跑：自然語言 → 結構化 Manifest → 可執行指令碼 → 帶護欄地註冊定時/觸發執行。 跑通的任務還能固化成模板，下次相似請求零成本命中、不調 LLM。

準確定位：它是 WorkBuddy 內的「去 LLM 化沉澱層 / skill-creator 的治理約束層」，不是通用自動化平臺，也不是造 skill 的元技能。 完整設計見 nl2flow-framework-design.md，Manifest 欄位見 nl2flow-manifest-schema.json，場景示例見 nl2flow-examples.md。

訪問小蔥技能站7w4.net，解鎖更多實用的AI技能外掛。

三層架構 + 固化閉環

自然語言
  → [Parser]     nl2flow_parser.py      NL → FlowManifest(JSON，純規則)
  → [Matcher]    template_matcher.py    先查本地模板庫(結構指紋 _fp + match_keywords)，命中則零成本複用
  → [Generator]  nl2flow_generator.py    Manifest → flow.py + crontab
  → [Renderer]   nl2flow_renderer.py     Manifest → 普通人能看懂/改的確認卡
  → [Runtime]    nl2flow_runtime.py      fetch/filter/llm_summarize/send_email… 離線可降級
  → [Deploy]     deploy.py + nl2flow_cli.py deploy   註冊 schtasks/crontab/WorkBuddy automation

CLI 速查（入口 nl2flow_cli.py，全程用 python nl2flow_cli.py <子命令>）

# 自然語言 → 先查模板(命中零成本) → 未命中則解析 Manifest
python nl2flow_cli.py build "每天早上8點抓取36kr AI新聞前10條用AI總結3條要點發到郵箱"

# 解析 → 確認卡（人先看懂再生成）
python nl2flow_parser.py "…" | python nl2flow_renderer.py

# 固化閉環：列出/固化/命中複用 模板
python nl2flow_cli.py list-templates
python nl2flow_cli.py save-template news_daily "…原始自然語言…"
python nl2flow_cli.py build "…變體請求…"        # 自動命中 news_daily，零成本

# 生成 + 離線試執行（NL2FLOW_OFFLINE=1：自動確認、不聯網、不真發郵件）
python nl2flow_cli.py run-template news_daily --gen

# 部署（預設 dry-run，只打印命令絕不註冊；--deploy 才真註冊，且先過護欄）
python nl2flow_cli.py deploy news_daily                 # dry-run
python nl2flow_cli.py deploy news_daily --backend windows --deploy
python nl2flow_cli.py unregister news_daily --backend windows
python nl2flow_cli.py list-deployed --backend workbuddy
python nl2flow_cli.py export-skill news_daily          # 反向生成可分享 skill.yaml

🔒 四大鐵律（改動/部署時不可繞過）

1. 模型批准關卡（成本鐵律）：任何含 llm_summarize 的流程，deploy --deploy 前 必須問過使用者、使用者同意 用哪個模型/供應商，登記進 nl2flow-approvals.json 才放行；非互動環境(排程器/CI)未批准則直接拒絕註冊。執行時(llm_summarize)即使離線/部署，未批准也 絕不構造 OpenAI 客戶端、強制降級本地摘要、不花一分錢。→ 詳見 model_approval.py。

2. 便宜供應商一行切換（base_url 透傳）：llm_summarize 讀 OPENAI_BASE_URL 傳給 OpenAI 客戶端（OpenAI 相容協議）。DeepSeek / 通義千問 / 本地 Ollama 全靠設環境變數切換，零程式碼改動。對照表見 README 第 5.1 節。

3. 頻率下限 ≥ 60 分鐘：deploy 拒絕 * * * * *、*/30 * * * * 等高頻 cron（防 spam / token 爆炸）。如需更頻繁須手動且自擔風險。

4. 誠實失敗 + 離線可降級：沙箱攔截 schtasks 時明確報「未成功」絕不謊報；執行時缺網/缺金鑰自動降級，不崩。執行期失敗自動發 ERROR 告警落盤({flow}.alerts.jsonl) + 心跳標記({flow}.last_run.json)，用 health/alerts 子命令可讀。

python nl2flow_cli.py health news_daily     # 讀執行期健康（失敗與否你看得見）
python nl2flow_cli.py alerts news_daily     # 讀失敗告警

驗證（誠實閉環）

任何改動後必須迴歸全綠才算閉環（當前 115 項斷言，覆蓋 parser→matcher→generator→離線執行→部署護欄→執行期告警→模型批准關卡）：

python tests/run_regression.py

任一斷言失敗即 sys.exit(1)；全綠列印「全部通過」才算交付。迴歸使用臨時批准檔案、mock 真實註冊，不會汙染你真實的 nl2flow-approvals.json、不會真實註冊系統任務。

關鍵檔案

這個 Skill 質量不錯，能把日常重複任務自動生成指令碼並定時跑，省時省錢。它的安全護欄設計到位，不會悄悄亂花錢或亂髮通知。文件詳細、測試覆蓋全，出問題也能追查。美中不足的是，遇到新型別任務可能需要調大模型幫忙，且需要先配置好模板庫才能發揮最大威力。總體適合有固定重複任務、想省心省錢的使用者。