Autonomous Agents 是一套关于自主智能体（Autonomous Agents）设计与构建的技能指南，来源于 davila7/claude-code-templates。其定位是帮助开发者以工程化、可落地的方式构建自主智能体，而非追求演示效果。
用途 该技能面向智能体架构设计。它指出自主智能体是能够独立分解目标、规划行动、执行工具并在无需持续人工指导下自我纠正的 AI 系统。核心观点是：自主性是挣来的，不是授予的。作者强调演示效果与生产事故之间存在差距，并给出一个关键判断——单步 95% 的成功率，到第 10 步时仅剩约 60%。因此主张先构建高度受限、只做一件事且可靠的智能体，只有在可靠性得到验证后才逐步增加自主性；最好的智能体看起来不那么惊艳，但能稳定工作。
主要能力 资料列出的能力包括：autonomous-agents、agent-loops、goal-decomposition、self-correction、reflection-patterns、react-pattern、plan-execute、agent-reliability、agent-guardrails。
主要模式
- ReAct Agent Loop：交替进行推理与行动步骤。
- Plan-Execute Pattern：将规划阶段与执行阶段分离。
- Reflection Pattern：自我评估与迭代改进。
反模式 资料明确列出三类反模式：无界自主（Unbounded Autonomy）、信任智能体输出（Trusting Agent Outputs）、通用型自主（General-Purpose Autonomy）。
风险与应对方向 资料以“Sharp Edges”形式列出问题、严重程度与解决方向，包括：减少步骤数量（critical）、设置硬性成本上限（critical）、生产前进行规模化测试（critical）、对照真实基准进行验证（high）、构建健壮的 API 客户端（high）、遵循最小权限原则（high）、追踪上下文用量（medium）、结构化日志（medium）。
设计原则 整体倾向是先有护栏再谈能力，先有日志再谈扩展，强调可靠性、可观测性与成本控制优先于功能扩张。
相关技能 资料指出可与 agent-tool-builder、agent-memory-systems、multi-agent-orchestration、agent-evaluation 配合使用。
适用场景 适合需要设计、评估或加固自主智能体循环、目标分解、自我纠正与护栏机制的开发与研究场景。
限制 资料未提供具体安装命令、代码示例、收费与价格信息、支持平台及详细使用步骤，这些内容暂未提供。