用途：Agent Builder 面向需要为客服、研究、运营、创意或专门业务流程构建 AI 智能体的用户，提供从设计思路到实现脚手架的一整套方法。
核心理念：模型本身已经知道如何充当智能体，开发者的任务是不要挡路。智能体不是复杂工程，而是一个邀请模型行动的简单循环：模型看到上下文与可用能力，决定行动或回复；若行动则执行能力、加入结果并继续，若回复则返回用户。
三大要素：能力（智能体能做什么，如搜索、读取、创建、发送、查询、修改，建议从 3 到 5 个开始）；知识（按需注入的领域专长，如政策、流程、最佳实践、模式，应可获取而非强制前置）；上下文（对话历史，需隔离嘈杂子任务、截断冗长输出以保护清晰度）。
设计思路：构建前先明确目的、领域、必要能力、所需知识与可委托给模型的决策。关键原则是信任模型，不过度工程化，不预先规定工作流，给出能力后让模型自行推理。
渐进复杂度：从基础层（3 到 5 个能力）开始；多步任务失去连贯性时加入规划与进度跟踪；探索污染上下文时引入隔离子智能体；需要领域专长时加入按需技能。多数智能体无需超过第二层。
领域示例：业务类包括 CRM 查询、邮件、日历、审批；研究类包括数据库搜索、文档分析、引用；运营类包括监控、工单、通知、升级；创意类包括资产生成、编辑、协作、评审。模式通用，仅能力不同。
反模式：过度工程化、能力过多、僵化工作流、知识前置、微观管理，分别对应从简开始、控制能力数量、让模型决定、按需加载、信任模型等做法。
资源：references/agent-philosophy.md 讲原理；references/minimal-agent.py 为约 80 行的完整可用智能体；references/tool-templates.py 为能力定义；references/subagent-pattern.py 为上下文隔离；scripts/init_agent.py 用于生成新智能体项目。
限制：资料未提供具体平台、收费、价格或效果数据，暂未提供。