核心功能
Agent Step Sequencer 是一款面向复杂 AI 代理任务的多步骤调度框架，专为需要拆解、编排和持续跟踪的工作流设计。
显著优点
智能任务分解：自动识别多步骤需求（≥3个动作、顺序依赖、输出依赖、高范围/高风险场景），向用户提议分步计划并等待确认，避免盲目执行导致的错误。
状态持久化与断点续跑：通过 state.json 保存完整计划、队列、当前步骤和执行记录；结合心跳机制，即使网关重置也能从断点恢复，对长时间运行任务至关重要。
弹性失败处理：内置重试逻辑（最大3次）与降级策略——失败后先重试，再尝试替代方案（如切换数据源），最后才标记失败并主动通知用户；支持故障排查模式的自动重跑。
灵活的执行控制：支持配置步骤间延迟（0或2分钟），有效规避速率敏感型 API 的限流问题；通过环境变量可对接不同代理后端（如 OpenClaw）。
潜在局限
- 配置复杂度：需要正确设置
STEP_AGENT_CMD和心跳集成，新手可能面临学习曲线。 - 环境依赖：依赖外部心跳调度器（如 cron/systemd timer），非自包含方案。
- 单点状态风险：
state.json若损坏或丢失，可能丢失执行上下文（无分布式状态后端）。 - 无内置可视化：步骤进度需通过日志或文件查看，缺乏 Web 界面或实时看板。
适合人群
- 需要编排复杂多步骤工作流的 AI 代理开发者
- 运行长时间任务、对断点续跑有强需求的自动化场景
- 使用 OpenClaw 或其他代理框架、需要可靠任务调度的技术团队
常规风险
- 命令注入防护：
STEP_AGENT_CMD明确拒绝 shell 解释器（bash -c等），但仍需确保指向可信代理二进制文件。 - 状态文件安全：
state.json包含执行指令，需限制文件系统权限防止篡改。 - API 速率与成本：自动重试和替代方案可能增加 API 调用次数，需关注成本与限流配额。
- 阻塞任务累积：持续失败的步骤若未及时处理，可能堆积为
blockers影响后续调度。
架构概览
采用 Agent-Runner-Checker 分离设计：Agent 负责计划生成与执行，Runner 隔离单步调用并管理状态流转，Checker 协调心跳与失败恢复，实现关注点分离与系统稳定性。