Skill · Version 1.0.0

AI-Schritte in Abläufe integrieren

Bindet AI-Schritte mit geprüften Ausgaben, dauerhaften Zwischenständen, begrenzten Werkzeugrechten und belegten externen Wirkungen ein.

ai-tool-step-integration

Entdecke, wie der Skill hilft

Wann ist der Skill hilfreich?

Nutze diesen Skill, wenn Modellentscheidungen Geschäftsabläufe steuern und Wiederholungen nachvollziehbar bleiben müssen.

Wobei hilft er dir?

Prüft Antwortschemas und leitet ungültige oder unsichere Ergebnisse gesondert weiter.
Speichert Ergebnisse und Verbrauch zur Wiederverwendung nach späteren Fehlern.
Begrenzt Werkzeugrechte und verlangt Ausführungsbelege vor einer Erfolgsmeldung.

Das könntest du fragen

Ergänze unsere Rechnungszuordnung um Schema-Prüfung, manuelle Klärung und Wiederaufnahme ohne unnötig erneute Modellaufrufe. Verarbeite eine Rechnung ohne erkennbaren Lieferanten. Sie soll mit Originalbelegen in die Prüfung gehen; ein Neustart nutzt bereits gespeicherte Klassifizierungsergebnisse.

Ausführliche Dokumentation

Hier findest du die ursprüngliche Anleitung, Beispiele und Prüfschritte des Skills in ihrer Originalsprache.

Details…Weniger anzeigen

AI & Tool Step Integration

Use this skill when embedding LLM prompts, structured extraction, classification, or autonomous tool-using AI agent steps inside deterministic workflows.

Never Trust Unverified AI Text as Proof of Side Effects

Validate Structured Outputs Against a Strict Schema:
- When an AI step drives downstream workflow branching or data mapping (e.g., routing a support ticket, extracting invoice fields, choosing a category), enforce a strict JSON Schema / structured output contract (response_format / tool schema).
- If the model output fails schema validation, refuses, or returns low confidence below a configured threshold, route to an explicit fallback / human_review / error port rather than passing malformed data to downstream steps.
Never Treat an LLM's Natural-Language Claim as Proof of Execution:
- An AI step saying "I have refunded the customer and sent the confirmation email" is not proof that those actions occurred.
- Verify actual tool call receipts / deterministic step execution records, or keep external state-mutating actions as explicit, auditable workflow steps outside the free-form prompt.

Durable Checkpointing & Cost/Token Bounds

Checkpoint Completed AI & Tool Steps:
- Persist the resolved LLM output, token usage, model identifier, and tool call results at the step boundary so if a downstream step fails and retries, the workflow replays the recorded AI step output instead of re-billing and re-running the LLM non-deterministically.
Enforce Explicit Execution Budgets:
- Configure hard limits on every AI step: maxTokens, maxToolCalls / maxIterations, timeoutMs, and allowed tool allowlists so an agent loop inside a workflow can never spin indefinitely.

Tenant Isolation, Permissions & Prompt-Injection Defense

Scoped Authority (effective_permissions = run_actor ∩ workflow_scope ∩ step_tool_allowlist):
- AI steps and tool calls must execute strictly within the active tenantId and the initiating principal's authorized scope.
- Gate high-impact or irreversible actions (payments, deletions, external broadcasts, permission changes) behind a deterministic workflow Approval step before the tool executes.
- Delimit untrusted external input (emails, webhooks, uploaded documents) clearly and never allow untrusted prompt content to override workflow control-flow rules or tool target tenant IDs.

Checklist

Are AI step outputs validated against a strict schema before driving downstream workflow branches?
Are external side effects verified via deterministic tool/step execution receipts rather than LLM prose claims?
Are completed AI step outputs checkpointed so downstream retries do not re-invoke the LLM unnecessarily?
Are tool allowlists, token/iteration budgets, tenant isolation, and human approval gates enforced on AI steps?

Enthaltene Dateien 1

SKILL.md