用途
AI Agents Architect 面向需要设计与构建自主 AI 智能体的开发者与架构师。该技能的核心定位是：构建既能自主行动、又能保持可控的 AI 系统。它明确主张为智能体的意外失败做好设计，提供优雅降级与清晰的失败模式，并在自主性与监督之间取得平衡——判断智能体应在何时请求帮助、何时独立推进。
主要能力
- 智能体架构设计
- 工具与函数调用
- 智能体记忆系统
- 规划与推理策略
- 多智能体编排
- 智能体评估与调试
使用前提
- LLM API 使用经验
- 理解函数调用机制
- 基础提示工程能力
设计模式
ReAct 循环：推理—行动—观察的循环，用于逐步执行。
- 思考：推理下一步该做什么
- 行动：选择并调用工具
- 观察：处理工具返回结果
- 重复直到任务完成或陷入困境
- 需包含最大迭代次数限制
先规划后执行（Plan-and-Execute）：先规划，再执行各步骤。
- 规划阶段：将任务分解为若干步骤
- 执行阶段：逐一执行每个步骤
- 重规划：根据结果调整计划
- 可将规划器与执行器拆分为不同模型
工具注册表（Tool Registry）：动态发现与管理工具。
- 以 schema 与示例注册工具
- 工具选择器为任务挑选相关工具
- 对开销大的工具进行懒加载
- 通过使用情况追踪进行优化
反模式（应避免）
- 无限制自主
- 工具过载
- 记忆囤积
风险点与解决方案
- 智能体循环无迭代上限（严重）：始终设置限制
- 工具描述含糊或不完整（高）：编写完整的工具规格
- 工具错误未暴露给智能体（高）：显式错误处理
- 将所有内容存入智能体记忆（中）：有选择地记忆
- 智能体拥有过多工具（中）：按任务精选工具
- 一个智能体即可完成却使用多个（中）：为多智能体方案给出理由
- 智能体内部过程无日志、不可追踪（中）：实现追踪
- 对智能体输出进行脆弱解析（中）：稳健的输出处理
适用场景
需要构建具备自主行动能力、同时保持可控与可观测的 AI 智能体系统的场景。该技能与 rag-engineer、prompt-engineer、backend、mcp-builder 等技能配合良好。
限制
本技能的官方文本未提供收费、价格、平台支持范围与效果保证等信息，相关资料暂未提供。