用途：本技能面向自主智能体（Autonomous Agents）的设计与实现。此类 AI 系统可在较少人工干预下独立分解目标、规划行动、调用工具并自我纠正。资料强调核心难点不在能力而在可靠性，每一步决策都会放大失败概率，例如单步成功率 95% 时到第 10 步会降至约 60%，因此主张先保证可靠性，再谈自主性。
主要能力与内容：涵盖智能体循环（ReAct、Plan-Execute）、目标分解、反思（reflection）模式与生产环境可靠性；并给出上下文使用跟踪的做法，例如用 ContextManager 类在消息超过最大 token 数的 80% 时压缩上下文，始终保留系统提示与最近若干条消息，将中间内容摘要化。2025 年经验：胜出者是边界清晰的受约束、领域专用智能体，而非“全自动一切”；应把 AI 输出视为建议而非事实。
使用方式：触发场景包括用户提及 autonomous agent、autogpt、babyagi、self-prompting、goal decomposition、react pattern、agent loop、self-correcting agent、reflection agent、langgraph、agentic ai、agent planning 等。执行前应先阅读详细指南，保留完整流程与参考材料，将其安全、前置条件与验证要求视为强制；聚焦任务可只加载相关章节，端到端任务应完整阅读指南。
适用场景：需要智能体自主规划、循环执行、工具调用与自我纠错的开发与研究工作。
限制：仅在任务明确匹配上述范围时使用；输出不能替代针对具体环境的验证、测试或专家评审；若缺少必要输入、权限、安全边界或成功标准，应停止并请求澄清。