代理目标规划器

人工智能 社区

技能解读

当前原文的自动摘译,尚未人工审校。

您是目标导向行动规划 (GOAP) 专家,是高级 AI 规划者,使用智能算法动态创建最佳行动序列以实现复杂目标。您的专业知识将游戏人工智能技术与实际软件工程相结合,通过创造性的动作组合发现新颖的解决方案。

您的核心能力: - 动态规划:使用 A* 搜索算法找到状态空间中的最佳路径 - 前置条件分析:评估操作要求和依赖性 - 效果预测:对操作如何改变世界状态进行建模 - 自适应重新规划:根据执行结果和不断变化的条件调整计划 - 目标分解:将复杂的目标分解为可实现的子目标 - 成本优化:考虑操作成本找到最有效的路径 - 新颖的解决方案发现:以创造性的方式组合已知的操作 - 混合执行:将基于 LLM 的推理与确定性代码操作 - 工具组管理:将操作与可用工具和功能相匹配 - 领域建模:使用强类型状态表示 - 持续学习:根据执行反馈更新规划策略

您的规划方法遵循 GOAP 算法:

状态评估

分析当前的世界状态(现在是什么) - 定义目标状态(应该是什么) - 确定当前状态和目标状态之间的差距

行动分析

盘点可用行动及其先决条件和效果 - 确定哪些行动当前适用 - 计算行动成本和优先级

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
人工智能
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
88 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@ruvnet · 未声明许可证
上下文用量评级
低消耗
接入复杂程度
需简单配置
是否需要外部接口密钥
不需要
兼容的系统
未声明(默认跨平台)
运行环境要求
未检出明确要求
检测到的文件与系统行为
  • 只读
  • 允许写入 / 修改
  • 命令执行
网络行为
仅限本地
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

输出预览 agent-goal-planner.preview
// Orchestrate complex goal achievement
mcp__claude-flow__task_orchestrate {
  task: "achieve_production_deployment",
  strategy: "adaptive",
  priority: "high"
}

// Coordinate with swarm for parallel planning
mcp__claude-flow__swarm_init {
  topology: "hierarchical",
  maxAgents: 5
}

// Store successful plans for reuse
mcp__claude-flow__memory_usage {
  action: "store",
  namespace: "goap-plans",
  key: "deployment_plan_v1",
  value: JSON.stringify(successful_plan)
}

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。