用途：该技能面向 AI/ML 架构领域，整理设计 AI 智能体（使用 LLM 进行推理、规划并执行多步任务的自主系统）的综合模式，涵盖单智能体架构、多智能体编排、工具使用、记忆系统与生产部署模式。
主要能力：
- 架构基础：定义智能体的感知、规划、行动、学习四组件与反馈循环，并对比智能体、聊天机器人、工作流的自主性、规划、工具使用、记忆与错误恢复差异。
- 单智能体模式：ReAct（思考—行动—观察循环）、Plan-and-Execute（规划器、执行器、重规划器）、Reflexion（尝试、评估、反思、存储、重试）。
- 多智能体模式：Supervisor 中心协调、Hierarchical Teams 嵌套监督、Debate/Adversarial 对抗辩论加裁判综合。
- 工具使用：工具定义最佳实践（清晰命名、丰富描述、受限参数、合理默认值、结构化错误）、工具选择策略（直接、分类、检索、路由）以及人在回路的高风险操作审批。
- 记忆系统：工作记忆、短期记忆、长期记忆分层，以及情节、语义、程序性、工作记忆类型；管理方式包括摘要压缩、按新近度×重要性×访问次数评分遗忘、相似记忆合并。
- 规划与错误处理：任务分解、目标导向规划（差距分析、动作生成与选择）；错误恢复阶梯（重试、改写、替代、部分返回、升级、中止）与循环检测。
- 生产考量：可观测性，记录每次 LLM 调用、工具调用与状态转换等。
使用方式：资料未提供具体安装命令、代码调用方式或运行步骤，仅给出模式说明与示例片段（如工具 JSON 定义、循环检测函数示意）。
适用场景：设计内容创作流水线、研究分析报告、代码生成与审查测试等需要多步推理与工具协作的智能体系统。
限制：资料未说明收费、价格、平台支持、性能效果或具体部署步骤；部分内容（如生产考量章节）在资料中未完整展开。