核心功能
dlazy-execute 是 dLazy AI 生态中的工作流执行引擎，采用 shape-based 编排模型 实现复杂 AI 任务的端到端自动化。其核心机制是将任务拆解为扁平化的 shape 列表，每个 shape 通过 /api/ai/tool 接口按依赖顺序调度执行。
关键特性：
- 智能依赖解析：自动识别
shape://name:<X>和shape://shape:<id>引用，将上游输出注入下游输入 - 断点续跑机制：基于
props.status状态机（idle/completed/failed/processing），仅执行空闲节点，失败后可选择性重跑 - prompt 引用系统：
promptRefs支持跨 shape 复用提示词片段，提升复杂工作流的可维护性
显著优点
1. 生产级可靠性：状态驱动的执行模型天然支持失败恢复，无需从头重跑昂贵的大模型调用
2. 成本透明：--dry-run 提供预执行成本估算，避免意外扣费
3. 灵活触发：支持管道引用（-、@N、@N.path 等）实现与 shell 生态的无缝集成
4. 异步友好：--no-wait + dlazy status 轮询模式适合长时间运行的生成任务
潜在局限
- 供应商锁定：完全依赖 dLazy 托管 API（
api.dlazy.com、files.dlazy.com），无法本地部署或切换后端 - 调试复杂度：shape 引用错误仅在执行期暴露，缺乏静态验证
- CLI 版本强绑定：skill 锁定
@dlazy/cli@1.0.9，用户无法自主选择升级
适用场景
| 场景 | 说明 |
|------|------|
| 多步骤内容生成 | 如图文混排、视频脚本→分镜→配音的流水线 |
| 实验迭代 | 修改中间节点后快速重跑下游依赖 |
| 批量自动化 | 结合 `--sessionId` 实现可追踪的批处理任务 |
常规风险提示
- API 密钥安全：CLI 自动保存凭证至
~/.dlazy/config.json，共享环境需注意权限隔离 - 余额监控：
insufficient_balance错误需人工介入充值，无自动降级机制 - 上传隐私：本地文件自动上传至 dLazy 媒体存储，敏感内容需评估合规性
安全与来源评估
| 维度 | 结论 |
|------|------|
| 来源可信度 | **T1** - 官方维护、GitHub 开源、npm 正规分发 |
| 安全等级 | **S** - 标准 SaaS 模式，API 调用经 TLS，无本地提权操作，但依赖云端存储 |