（7016期）opcode – AI 智能体零 Token 工作流执行层

AI 智能体零 Token 工作流执行层 零 Token 工作流引擎，支持 DAG 与 26 种动作，一次定义永久执行，显著降低 AI 重复任务成本。 使用说明 OPCODE 是一款面向 AI Agent 的零 Token 执行层工具，通过 SSE 协议提供 6 个 MCP 工具（define、run、status、signal、query、diagram），实现工作流的定义、执行与全生命周期管理。其核心用法在于允许用户通过 JSON 格式定义复杂的 DAG（有向无环图）工作流，支持 6 种步骤类型：action（动作执行）、condition（条件分支）、loop（循环迭代）、parallel（并行执行）、wait（延迟等待）和 reasoning（人机协作决策）。一旦模板定义完成，后续执行将消耗零 Token，由本地 Go 编写的守护进程确定性执行，支持持久化存储、定时调度和跨会话恢复。 该技能的显著优点包括极致的成本效益——避免重复推理造成的 Token 浪费；高性能执行——10 步并行工作流仅需约 50 微秒，500 步工作流约 2.4 毫秒；丰富的内置能力——26 种内置动作涵盖 HTTP 请求、文件系统操作、Shell 执行、加密哈希、断言验证等；以及独特的人机协作机制——reasoning 节点可在关键步骤暂停工作流，等待人工决策后恢复。此外，其变量插值系统（${{}} 语法）支持跨步骤数据传递、密钥库（AES-256-GCM 加密）管理和上下文共享，非常适合构建复杂的多 Agent 协作系统。 然而，OPCODE 也存在一定局限性。首先，它并非无服务器方案，需要用户在本地（macOS 或 Linux）维护一个常驻 SSE 守护进程，且依赖 Go 1.25+、CGO 和 gcc/clang 编译环境，Windows 用户无法直接使用。其次，作为 T3 来源的个人开源项目（GitHub: rendis），其长期维护稳定性和企业级支持相较于知名基金会项目存在不确定性。此外，工作流调试需要理解 DAG 执行逻辑和 CEL 表达式，对非技术用户有一定学习曲线。 该技能特别适合以下群体：需要频繁运行重复性工作流的 AI Agent 开发者、追求极致 Token 成本优化的 LLM 应用架构师、需要构建持久化自动化管道的 DevOps 工程师，以及需要人机协作审批流程的业务系统设计者。对于需要复杂条件分支、循环处理、并行抓取或定时任务调度的场景，OPCODE 提供了远超简单脚本编排的可靠性保障。 使用时的常规风险需重点关注：虽然 Skill 本身为纯文档型资产，但实际执行依赖用户本地安装的 opcode 服务。工作流中的 shell.exec 动作会直接执行系统命令，存在命令注入风险，需严格审核工作流定义；HTTP 动作可能访问内网服务；vault 加密密钥（OPCODEVAULTKEY）的管理不当可能导致敏感配置泄露。此外，SSE 服务默认监听本地端口，若配置不当暴露至公网，可能导致工作流被未授权访问或恶意触发。建议生产环境配置 cgroups 进程隔离（Linux）并严格限制网络监听范围。 原始说明 Zero-token execution layer for AI agents. Define workflows once, run them free forever — persistent, scheduled, deterministic. 6 MCP tools over SSE. Supports DAG-based execution, 6 step types (action, condition, loop, parallel, wait, reasoning), 26 built-in actions, ${{}} interpolation, reasoning nodes for human-in-the-loop decisions, and secret vault. Use when defining workflows, running templates, checking status, sending signals, querying workflow history, or visualizing DAGs.