用途：设计并构建可自主行动且保持可控的 AI 智能体系统，覆盖智能体架构设计、工具与函数调用、记忆系统、规划与推理策略、多智能体编排、评估与调试等。
主要能力：智能体循环设计（如 ReAct、Plan-and-Execute）；工具定义与执行；记忆架构（短期、长期、情景）；规划策略与任务分解；多智能体通信模式；智能体评估与可观测性；错误处理与恢复；安全与护栏。
常见模式：ReAct 循环，按“推理-行动-观察”逐步执行，需设置最大迭代次数；Plan-and-Execute，先规划再执行，可按结果重新规划；工具注册表，支持动态发现、按 schema 与示例注册、按需懒加载；分层记忆，分为工作记忆、情景记忆、语义记忆，长期记忆可结合 RAG 检索；Supervisor 模式，由主管智能体拆解任务并委派专家智能体，结果汇总；Checkpoint 恢复，在每步成功后保存任务状态，失败后从检查点恢复。
使用限制与风险提示：智能体循环必须设置 max_iterations、单轮 max_tokens、运行超时、API 成本上限与工具失败熔断；工具描述须说明用途、使用与不使用场景、参数类型及示例，否则易选错工具；工具错误应显式返回给智能体，不可静默吞掉；记忆用于提供上下文而非替代推理，不宜存储一切；多智能体会增加复杂度，需权衡开销。
适用场景：需要自主执行、多步骤规划、工具调用与多智能体协作的系统开发。前提技能包括 LLM API 使用、函数调用理解与基础提示工程。具体安装方式与命令资料未提供。