Agent助手

Name: Agent助手
Author: tomevault-io

AI 智能社区

作者仓库星标 0
作者更新于实时读取
作者仓库 skills-registry

流狐档案事实层信息：领域、Agent、信任分、运行环境、权限与网络

领域: AI 智能
兼容 Agent: Claude Code
Cursor
Cline
Codex
Windsurf
Gemini CLI

+20
信任分: 88 / 100 · 社区维护
作者 / 版本 / 许可: @tomevault-io · 未声明 license
Token 消耗评级: 低消耗
接入复杂程度: 即装即用
是否需要外部 API Key: 不需要
兼容的系统: 未声明（默认跨平台）
底层运行要求: 无特殊要求
文件与系统权限: 只读
允许写入 / 修改
网络行为: 仅限本地
安装命令数: 26 条

档案由构建时根据 SKILL.md 与安装命令自动衍生，可能与作者实际意图存在差异。

需要注意： 未限定 allowed-tools，默认拥有全部工具权限。

输出预览 ai-agent-development.preview

---
name: ai-agent-development
description: AI agent development workflow for building autonomous agents, multi-agent systems, and agent orc…
category: AI 智能
runtime: 无特殊运行时
---

# ai-agent-development 输出预览

## PART A: 任务判断
- 适用问题：提示词、Agent 工作流、模型评估或自动化推理。
- 输入要求：目标材料、限制条件、期望输出和验收方式。
- 证据边界：围绕“Overview / When to Use This Workflow / Workflow Phases”读取原文规则，不把推断写成作者承诺。

## PART B: 执行结果
- **01** 任务判断：确认你的需求是否属于提示词、Agent 工作流、模型评估或自动化推理，并标出输入、限制和预期结果。
- **02** 执行计划：优先按“Overview / When to Use This Workflow / Workflow Phases”拆成步骤，说明每一步会读取什么、修改什么、产出什么。
- **03** 交付结果：给出可复制的命令、文件改动、检查清单或内容草稿，并说明如何继续迭代。
- **04** 风险边界：结合 读取文件、写入/修改文件、主要在本地完成、通常不需要额外 API Key 给出执行前确认项。

## Running Rules
- 读取文件、写入/修改文件；主要在本地完成；通常不需要额外 API Key。
- 先小样例验证，再放大到真实任务。
- 交付时同时给结果、检查口径和下一步迭代建议。

SKILL.md SKILL.md

---
name: ai-agent-development
description: AI agent development workflow for building autonomous agents, multi-agent systems, and agent orc…
category: AI 智能
source: tomevault-io/skills-registry
---

# ai-agent-development

## 什么时候使用
- 把 AI / Agent方向的常用动作沉淀成 Agent 可调用的技能 适合处理AI Agent、提示词、模型评估与自动化推理，核心价值是把输入、判断、执行、验证和交付边界固定下来，避免 Agent 泛泛回答。 把任务拆成可执行、可检查…
- 面向提示词、Agent 工作流、模型评估或自动化推理，优先处理能明确输入、步骤和验收标准的工作。

## 需要提供什么
- 目标材料、目录范围、期望结果和不可改动内容。
- 是否允许联网、执行命令、读写文件或调用外部服务。

## 执行规则
- 围绕「Overview / When to Use This Workflow / Workflow Phases」组织步骤，不把推断写成作者事实。
- 读取文件、写入/修改文件；主要在本地完成；通常不需要额外 API Key。
- 先跑小样例，确认结果可检查后再扩大任务范围。

## 输出要求
- 给出最终产物、关键证据、验证方式和下一步动作。
- 信息不足时标记 unknown，不编造命令、平台或依赖。

证据边界与执行链路

作者原文负责流程事实；仓库文件负责来源和命令；流狐只补充适用场景、限制和质量判断。

skill "ai-agent-development" {
  输入层     -> 用户目标 + 目标文件 + 禁止范围 + 验收标准
  上下文层   -> Overview / When to Use This Workflow / Workflow Phases
  规则层     -> SKILL.md 触发条件 / 执行顺序 / 输出格式
  运行层     -> 无特殊运行时 | 读取文件、写入/修改文件 | 主要在本地完成
  安全层     -> 通常不需要额外 API Key + 小任务验证 + diff / 日志复核
  输出层     -> 可复制结果 + 检查清单 + 下一步迭代
}

解读按原文结构重写，命令、链接、术语均保留；右侧可核对作者原始 SKILL.md

先判断是否适合

核心用途：把 AI / Agent方向的常用动作沉淀成 Agent 可调用的技能适合处理AI Agent、提示词、模型评估与自动化推理，核心价值是把输入、判断、执行、验证和交付边界固定下来，避免 Agent 泛泛回答。把任务拆成可执行、可检查、可继续迭代的步骤…
适用任务：更适合 AI Agent、提示词、模型评估与自动化推理，尤其是输入、步骤、验收口径可以反复复用的场景。
不宜硬套：如果任务只有一次性问答、来源材料很少，或需要作者没有说明的命令和外部服务，应先降级为普通对话。

作者设计意图

触发依据：使用时机、上下文收集、输出格式和失败处理共同决定它是否适合当前任务。
来源边界：作者原文负责事实，仓库文件负责命令和文件证据；Fluxly 只补充用途、限制和使用判断。

作者的方法与取舍

执行主线：任务围绕「Overview / When to Use This Workflow / Workflow Phases」组织，把触发条件、必要上下文、执行规则和交付标准连成一条可复核的链路。
设计重点：重点不在重复教程，而在解释作者为什么规定这些步骤、哪些条件不可省略，以及结果偏离时应回到哪一层检查。
使用判断：先确认任务与原文边界一致，再决定是否启用；来源没有说明的命令、平台和依赖保持未知，不由 Fluxly 补写。

边界和复核

依赖条件：通常不需要额外 API Key，适合先用小任务验证触发是否稳定。
权限提醒：会涉及 read / write 权限，执行前要说明可读写范围、命令边界和回退方式。
质量标准：结果应包含明确产物、必要证据和下一步动作；如果只是泛泛解释，需要补充输入和验收条件后重跑。

AI Agent Development Workflow

Overview

Specialized workflow for building AI agents including single autonomous agents, multi-agent systems, agent orchestration, tool integration, and human-in-the-loop patterns.

When to Use This Workflow

Use this workflow when:

Building autonomous AI agents
Creating multi-agent systems
Implementing agent orchestration
Adding tool integration to agents
Setting up agent memory

Workflow Phases

Phase 1: Agent Design

Skills to Invoke

ai-agents-architect - Agent architecture
autonomous-agents - Autonomous patterns

Actions

Define agent purpose
Design agent capabilities
Plan tool integration
Design memory system
Define success metrics

Copy-Paste Prompts

Use @ai-agents-architect to design AI agent architecture

Phase 2: Single Agent Implementation

Skills to Invoke

autonomous-agent-patterns - Agent patterns
autonomous-agents - Autonomous agents

Actions

Choose agent framework
Implement agent logic
Add tool integration
Configure memory
Test agent behavior

Copy-Paste Prompts

Use @autonomous-agent-patterns to implement single agent

Phase 3: Multi-Agent System

Skills to Invoke

crewai - CrewAI framework
multi-agent-patterns - Multi-agent patterns

Actions

Define agent roles
Set up agent communication
Configure orchestration
Implement task delegation
Test coordination

Copy-Paste Prompts

Use @crewai to build multi-agent system with roles

Phase 4: Agent Orchestration

Skills to Invoke

langgraph - LangGraph orchestration
workflow-orchestration-patterns - Orchestration

Actions

Design workflow graph
Implement state management
Add conditional branches
Configure persistence
Test workflows

Copy-Paste Prompts

Use @langgraph to create stateful agent workflows

Phase 5: Tool Integration

Skills to Invoke

agent-tool-builder - Tool building
tool-design - Tool design

Actions

Identify tool needs
Design tool interfaces
Implement tools
Add error handling
Test tool usage

Copy-Paste Prompts

Use @agent-tool-builder to create agent tools

Phase 6: Memory Systems

Skills to Invoke

agent-memory-systems - Memory architecture
conversation-memory - Conversation memory

Actions

Design memory structure
Implement short-term memory
Set up long-term memory
Add entity memory
Test memory retrieval

Copy-Paste Prompts

Use @agent-memory-systems to implement agent memory

Phase 7: Evaluation

Skills to Invoke

agent-evaluation - Agent evaluation
evaluation - AI evaluation

Actions

Define evaluation criteria
Create test scenarios
Measure agent performance
Test edge cases
Iterate improvements

Copy-Paste Prompts

Use @agent-evaluation to evaluate agent performance

Agent Architecture

User Input -> Planner -> Agent -> Tools -> Memory -> Response
              |          |        |        |
         Decompose   LLM Core  Actions  Short/Long-term

Quality Gates

Agent logic working
Tools integrated
Memory functional
Orchestration tested
Evaluation passing

ai-ml - AI/ML development
rag-implementation - RAG systems
workflow-automation - Workflow patterns

Source: Andruia/antigravity-awesome-skills — distributed by TomeVault.

安装命令

一键复制安装选择包管理器,点击右侧复制,粘贴到终端回车即可

npx skills add tomevault-io/skills-registry/andruia--antigravity-awesome-skills--ai-agent-development -y

查看通用安装教程

查看 Skill 原文

兼容工具

Claude Code
Cursor
Cline
Codex
Windsurf
Gemini
OpenCode
Roo Code
AAide
+Augment
GitHub Copilot
OpenClaw
KKiro
Junie
WWarp
Goose
Trae
Kilo Code
OpenHands
Amp
Zencoder
CContinue
AIAider
CodeBuddy
CodeGeeX
Replit Agent

安全审计

88 / 100

社区

未声明 license/许可。
未声明 version。
未限定 allowed-tools，默认拥有全部工具权限。

元信息

来源: github
tomevault-io/skills-registry
English

@tomevault-io 的其他技能

分类与标签

分类 AI 智能

先判断是否适合

作者设计意图

作者的方法与取舍

边界和复核

AI Agent Development Workflow

Overview

When to Use This Workflow

Workflow Phases

Phase 1: Agent Design

Skills to Invoke

Actions

Copy-Paste Prompts

Phase 2: Single Agent Implementation

Skills to Invoke

Actions

Copy-Paste Prompts

Phase 3: Multi-Agent System

Skills to Invoke

Actions

Copy-Paste Prompts

Phase 4: Agent Orchestration

Skills to Invoke

Actions

Copy-Paste Prompts

Phase 5: Tool Integration

Skills to Invoke

Actions

Copy-Paste Prompts

Phase 6: Memory Systems

Skills to Invoke

Actions

Copy-Paste Prompts

Phase 7: Evaluation

Skills to Invoke

Actions

Copy-Paste Prompts

Agent Architecture

Quality Gates

Related Workflow Bundles

讨论