用途
AI Agent Design 是一个面向 AI 智能体架构设计的技能。当用户需要设计或实现智能体循环、定义工具 schema、构建多智能体系统、实现智能体记忆、应用规划策略、添加安全护栏、评估智能体行为或调试异常智能体时,可触发该技能。
该技能明确不适用于:框架特定的智能体 API(应改用 Mastra 或 a2a-protocol 技能);不涉及工具使用或自主性的纯 LLM 提示工程。
主要能力
智能体循环结构
技能描述了智能体循环的基本解剖结构:用户输入进入规划器/推理器(结合工作记忆与观察),再到动作选择(工具调用或最终答案),然后执行工具,最后产生观察结果并追加到上下文,循环回推理器。循环在以下情况终止:智能体产生最终答案、达到最大迭代次数、或触发显式停止条件。
工具 schema
工具是智能体与世界的接口。每个工具需要:精确且面向动作的描述(LLM 的主要信号)、严格的 inputSchema(执行前校验)、outputSchema(返回给智能体前校验)、以及尽可能确定性和幂等的行为。
规划策略
技能列出了多种规划策略及其适用场景:ReAct(交互式任务、频繁工具使用,交错推理与行动,可从错误恢复)、Chain-of-thought(单一动作前的复杂推理,产生草稿本,无中间观察)、Plan-and-execute(长周期、可预测子任务,预先分解,每步为独立迷你智能体)、Tree search / LATS(存在多条解决路径的任务,探索分支,成本高但质量最高)、Reflexion(需要迭代自我改进的任务,智能体自我批判并重试)。
记忆类型
技能区分了四类记忆:工作记忆(当前运行,上下文内存储,用于当前任务状态与草稿本)、情景记忆(每会话,数据库按线程/会话键存储,用于回忆过往交互)、语义记忆(跨会话,向量存储,用于长期知识检索)、程序性记忆(全局,提示/微调,内化的技能与习惯)。
多智能体拓扑
技能列出四种拓扑:顺序(A -> B -> C,适用于每步基于上一步的流水线)、并行(A、B、C 并发运行并合并结果,适用于独立子任务如研究、起草、验证)、层级(编排器 -> 工作智能体,适用于需要委派与综合的复杂任务)、辩论(多个智能体争论,裁判决定,适用于需要多元视角的高风险决策)。
常见任务
技能提供了多个常见任务的实现示例,包括:构建 ReAct 智能体循环(含 Tool、AgentStep 接口与 reactAgent 函数)、定义工具 schema(使用 zod,含 search_web 与 write_file 示例)、实现智能体记忆(含 WorkingMemory、EpisodicStore 接口与 AgentMemory 类)、设计多智能体编排、添加护栏与安全限制(含 GuardrailConfig 与 GuardedAgentRunner 类)、实现带分解的规划、评估智能体性能(含 AgentTrace、EvalResult 接口与 evaluateTrace 函数)。
反模式
技能列出了需要避免的反模式:单体智能体(一个智能体做所有事,上下文爆炸且工具选择退化,应拆分为窄职责的专家智能体)、无界循环(无最大迭代上限,智能体永远幻觉进展,应始终设置硬性迭代限制并在超限时返回部分结果)、模糊的工具描述(描述重叠或过于笼统导致 LLM 选错工具,应写面向动作的具体描述并用多样提示测试)、同步观察批处理(在观察结果前多次调用工具,智能体基于过期状态行动,应严格交错:一个动作、一个观察、再重新规划)、无输入校验(工具收到畸形输入,运行中崩溃并报出晦涩错误,应在执行前用 Zod 或等价物校验并返回结构化错误)、仅评估最终输出(智能体通过破损轨迹得到正确答案,无法泛化,应评估完整轨迹:工具选择准确性、冗余步骤、错误恢复)。
注意事项
技能列出了若干易错点:缺少 maxIterations 会导致无限循环(应设置硬性限制,多数任务为 10-20,超限时返回带清晰消息的部分结果,绝不依赖 LLM 自行停止);模糊的工具描述导致错误工具选择(描述字段是 LLM 选择工具的主要信号,重叠描述会导致随机选择,应写面向动作的祈使句并明确用例与排除项);批处理工具调用而不观察会破坏推理(计划-行动-观察循环必须严格顺序:一个动作、一个观察、重新规划,并行工具调用仅对真正独立的查询安全);运行中途上下文窗口耗尽(长运行会累积观察历史最终超出模型上下文窗口,应在历史超过约 70% 上下文预算时实现工作记忆摘要);多智能体信任边界(编排器委派给工作智能体时,工作智能体的输出对编排器是不可信输入,对抗性文档可注入指令到编排器上下文,即提示注入,应在将工作智能体输出纳入编排器推理上下文前进行净化)。
使用方式
该技能在激活时,首次响应始终以 🧢 emoji 开头。技能包含参考文件:references/agent-patterns.md(ReAct、plan-and-execute、reflexion、LATS、多智能体辩论的完整目录与设计考量)和 references/orchestration-patterns.md(多智能体编排与带任务分解的 plan-and-execute)。仅当当前任务需要详细模式选择或架构比较时才加载参考文件。
技能还包含伴随技能检查:在对话中首次激活该技能时,运行 ls ~/.claude/skills/ ~/.agent/skills/ ~/.agents/skills/ .claude/skills/ .agent/skills/ .agents/skills/ 2>/dev/null 检查已安装的伴随技能,与 frontmatter 中的 recommended_skills 字段比较。对于缺失的伴随技能,提及一次并提供安装:npx skills add AbsolutelySkilled/AbsolutelySkilled --skill <name>。如果 recommended_skills 为空或所有伴随技能已安装,则完全跳过。
适用场景
适用于:设计或实现智能体循环(ReAct、plan-and-execute、reflection);为 LLM 函数调用定义工具 schema;构建带编排的多智能体系统(顺序、并行、层级);实现智能体记忆(工作、情景、语义);应用思维链或任务分解等规划策略;添加安全护栏、最大迭代限制或人工介入关卡;评估智能体行为、轨迹质量或任务成功;调试陷入循环、幻觉工具或卡住的智能体。
限制
不适用于框架特定的智能体 API(应改用 Mastra 或 a2a-protocol 技能);不适用于不涉及工具使用或自主性的纯 LLM 提示工程。关于收费、价格、平台等信息,资料中暂未提供。