该技能面向 FastAPI 开发，资料声明其提供较完整的 FastAPI 开发能力，用于 Golden Armada AI Agent Fleet Platform。
一、适用场景 当涉及以下工作时可激活该技能：FastAPI 应用开发、异步端点实现、Pydantic 模型定义、依赖注入模式、OpenAPI/Swagger 文档。
二、运行命令 开发模式：uvicorn main:app --reload --host 0.0.0.0 --port 8000 生产模式：uvicorn main:app --host 0.0.0.0 --port 8000 --workers 4 配合 Gunicorn：gunicorn main:app -w 4 -k uvicorn.workers.UvicornWorker -b 0.0.0.0:8000
三、建议的应用结构 app/ 下包含 main.py、config.py、dependencies.py，以及 routers/（agents.py、tasks.py 等）、models/、schemas/、services/ 等目录。
四、资料中的代码示例
- 基础应用：使用 FastAPI 的 lifespan 上下文管理器处理启动与关闭，注册 CORSMiddleware（allow_origins、allow_credentials、allow_methods、allow_headers），通过 include_router 挂载 agents 与 tasks 路由并设置前缀 /api/v1/... 与 tags，并提供 /health 健康检查异步端点，返回服务状态。
- Pydantic Schema：用 Enum 定义 AgentType（claude、gpt、gemini），用 BaseModel 与 Field 定义 AgentBase（name、type、description）、AgentCreate、AgentResponse（id、status、created_at），并通过 model_config = ConfigDict(from_attributes=True) 支持从属性转换。
- 路由示例：APIRouter 下定义 POST / 创建 agent（response_model、status_code=201、Depends 注入 service）、GET / 列表（skip、limit 查询参数）、GET /{agent_id} 按 ID 获取，未找到时抛出 HTTPException 404。
- 依赖注入：使用 functools.lru_cache 缓存 get_settings，用 Annotated 与 Depends 构建 get_llm_service、get_agent_service 的依赖链，将 Settings 与 LLMService 逐层注入 AgentService。
- 后台任务：通过 BackgroundTasks 的 add_task 在响应后异步执行任务，接口返回 accepted 状态与 task_id。
- WebSocket：定义 /ws/{agent_id} 端点，接收文本消息并处理后回发，捕获 WebSocketDisconnect 并打印断开信息。
五、限制与缺失信息 资料未提供安装方式、版本要求、收费或授权信息、性能指标与具体使用步骤说明，相关内容暂未提供。使用时应以实际项目环境和 FastAPI 官方文档为准，代码内容不应改动。