用途：当需要改进智能体如何规划、调用工具、从错误中恢复并收敛到完成时，可使用本技能。其核心模型认为智能体输出质量受四方面约束：动作空间质量、观察质量、恢复质量、上下文预算质量。
主要能力与要点： 动作空间设计：使用稳定、明确的工具名；输入以 schema 优先且保持狭窄；返回确定性的输出形状；除非无法隔离，避免使用包罗万象的工具。 粒度规则：高风险操作（部署、迁移、权限）用微工具；常见编辑/读取/搜索循环用中等工具；仅当往返开销成为主要成本时才用宏工具。 观察设计：每个工具响应应包含 status（success|warning|error）、summary（一行结果）、next_actions（可执行的后续动作）、artifacts（文件路径/ID）。 错误恢复契约：每条错误路径都应包含根因提示、安全重试指令、明确的停止条件。 上下文预算：系统提示保持最小且不变；把大量指引移入按需加载的技能；优先引用文件而非内联长文档；在阶段边界压缩，而非按任意 token 阈值。 架构模式指引：ReAct 适合路径不确定的探索型任务；函数调用适合结构化确定性流程；推荐混合模式，即 ReAct 规划加类型化工具执行。 基准测试：跟踪完成率、每任务重试次数、pass@1 与 pass@3、每个成功任务的成本。 反模式：语义重叠的工具过多；工具输出不透明且无恢复提示；只输出错误而无后续步骤；用无关引用造成上下文过载。
限制：资料未提供具体安装命令、代码示例、收费或平台信息，暂未提供。