用途：这是一份被动参考型教学指南，用于指导开发者按 v2 架构标准创建高质量的专用智能体（agent），覆盖从需求到部署的全过程，并通过自动校验保证质量。它本身不是执行器，需要自动创建智能体时应使用 agent-hr-manager；创建技能应使用 skill-creator。
主要能力：提供六步工作流。步骤 0 先做调研：列出已有 agent、搜索相似领域、检查技能清单，避免重复并复用成熟模式。步骤 1 收集需求，并强制在 Phase 1 建立时间上下文，例如使用 CURRENT_DATE、READABLE_DATE、TIMESTAMP（通过 date 命令获取），用于文档元数据、版本号与审计记录，避免法律与合规类文档日期错误。步骤 1.5 做技能发现与集成规划，将需求映射到技能类别，按规模（如 >100 行则集成、<20 行内联）决定集成、内联或跳过。步骤 2 设计架构，判断简单（3 阶段、<200 行）或复杂（4-5 阶段、200-250 行）agent，设计阶段结构、工具选择、10-16 条成功标准、6-10 条自我批判问题与高/中/低三档置信度阈值。步骤 3 实现，编写包含 name、description、tools、model、color 的 frontmatter，按模板写目的、职责、决策树与各阶段。步骤 4 用 scripts/validate_agent.py 做 0-80 分评分（70-80 优秀可生产、60-69 良好、50-59 一般、<50 需重构），低于 70 分迭代改进。步骤 5 部署到全局库 ~/.claude/agents-library/ 或项目本地 .claude/agents/。
适用场景：从零创建专用 agent、学习 agent 架构与设计模式、理解 0-80 质量评分、排查质量问题和迁移至 v2 架构。
限制：不适用于创建技能、快速修改 agent 或一般 Claude 使用问题；正文未提供具体收费、价格或平台支持信息，相关内容暂未提供。