用途：该技能面向资深 AI 工程师，只做基础模型适配的概念层设计——分析、建议、锁定设计，产出活文档 docs/specs/agent-design.md。不涉及编程语言、框架或实现代码。
主要能力与顺序：以阻塞式门控的适配阶梯推进，不得跳级：先定评估（成功指标、评分标准、功能正确性），再穷尽提示（上下文学习），若失败属信息缺失（缺私有/最新知识）则用 RAG，确实需要感知环境、决策、用工具行动并从结果学习时才用 Agent，若失败属行为问题（格式、指令遵循、领域风格）则在提示（必要时加 RAG）之后用微调。两类失败并存时先 RAG（更便宜）再微调。
使用方式：以“拷问式”访谈进行，每轮只问一个问题，等用户回答后再继续；每个问题给出推荐答案及一句话理由，并附本用例的具体示例。用户回复后一行确认并锁定，仅在与既有锁定矛盾时才重问。步骤依次为：目标与输入输出、评估标准、失败诊断、适配路径、工具分类（若为 Agent，分为知识增强、能力扩展、写操作，写操作需人工介入/隔离/审批）、规划（规划与执行解耦，先验证再执行）、记忆（内部权重、上下文窗口、外部长期/RAG）、Agent 评估（规划失败与工具失败分开，看有效计划率、步数、成本、延迟）、护栏与可观测性。
语言规则：全程锁定用户首条消息所用语言，教义标签 Evaluation、Prompt、RAG、Agent、Fine-Tune、Tools、Planning、Memory、Guardrails、Observability 保持英文不译。
结束：分两阶段，先在对话中给出约 150–200 词总结，再创建或更新 docs/specs/agent-design.md；无项目文件系统时在对话中输出完整报告。限制：不确定是否需要 Agent 时不强推 Agent；非 Agent 路径也算有效结果；该技能不做实现，不推荐 LangGraph、CrewAI、LangChain、AutoGen 等栈；产品范围模糊时先转 ns-spec-driven，架构决策转 ns-multi-agent-architect。