Agent助手
- 作者仓库星标 16,894
- 作者更新于 实时读取
- 作者仓库 QwenPaw
- 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
- @agentscope-ai · 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。
---
name: chat_with_agent
description: 当你需要咨询其他 agent、寻求帮助,或用户明确要求某个 agent 参与时,使用本 skill。 当你需要向另一个 agent 询问问题、寻求帮助、请求方案、请求复核、请求决策支持,或者进…
category: AI 智能
runtime: 无特殊运行时
---
# chat_with_agent 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“什么时候用 / 应该使用 / 不应使用”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“什么时候用 / 应该使用 / 不应使用”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。 原文没有稳定的斜杠命令要求。安装验证后通常全局生效,直接在对话里点名这个 Skill 并描述任务即可。
告诉 Agent 目标文件或材料、期望结果、不可改范围、是否允许联网或执行命令。本 Skill 的权限画像是:读取文件、写入/修改文件。
先用一个小任务确认它会围绕“什么时候用 / 应该使用 / 不应使用”工作;涉及文件或命令时,先看 diff、日志、预览或测试结果。
检查最终产物是否包含明确结果、必要证据和下一步动作;如果输出泛泛而谈,就补充输入、边界和验收标准后重跑。
---
name: chat_with_agent
description: 当你需要咨询其他 agent、寻求帮助,或用户明确要求某个 agent 参与时,使用本 skill。 当你需要向另一个 agent 询问问题、寻求帮助、请求方案、请求复核、请求决策支持,或者进…
category: AI 智能
source: agentscope-ai/QwenPaw
---
# chat_with_agent
## 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「什么时候用 / 应该使用 / 不应使用」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。 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 "chat_with_agent" {
输入层 -> 用户目标 + 目标文件 + 禁止范围 + 验收标准
上下文层 -> 什么时候用 / 应该使用 / 不应使用
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
} 与 Agent 对话
什么时候用
当你需要向另一个 agent 询问问题、寻求帮助、请求方案、请求复核、请求决策支持,或者进行任何形式的交流时,使用本 skill。
如果用户明确要求与某个 agent 对话,也应使用本 skill。
应该使用
- 需要另一个 agent 的专长、判断或第二意见
- 需要向某个 agent 请求方案、复核或建议
- 用户明确要求某个 agent 参与、协助或回答
- 需要继续某个已有的 agent 会话,并保留上下文
不应使用
- 你自己可以直接完成,且用户没有明确要求调用其他 agent
- 只是普通问答,不需要专门 agent
- 目标 agent 不明确,应该先追问或先查可用 agents
- 刚收到某个 agent 的消息,又立刻回调同一个 agent,可能造成循环
决策规则
- 如果用户明确要求某个 agent,优先按要求执行,但仍要先查 agent,不要猜 ID
- 如果你自己能完成,就不要调用其他 agent
- 需要保留上下文续聊时,必须传
session_id - 默认优先使用
list_agents()和chat_with_agent(...)进行前台对话,不要绕到别的方式 - 如果任务需要后台执行,使用
submit_to_agent(...)提交,再用check_agent_task(...)查询状态
使用流程
请严格按照以下流程顺序使用本 skill:
- 确保你的工具列表中包含
list_agents()和chat_with_agent(...)两个内建工具
- 这两个工具是与其他 agent 对话的基础,不要删除或禁用它们
- 如果你没有这两个工具,请告诉用户你需要它们来与其他 agent 对话,并请求用户添加
- 使用
list_agents()工具查看当前可用的 Agent,并从中选择一个 agent 提取其 id
- 请根据用户的需求和对应 Agent 的描述来选择最合适的 Agent
- 如果找不到合适的 Agent 且你不是 Default Agent,就使用 Default Agent
- 否则告诉用户没有合适的 Agent 可用,并建议他们创建一个新的 Agent 或调整现有 Agent 的描述以便更好地匹配需求
- 调用
chat_with_agent(...)发起前台求助,其中需要传递的关键参数包括
to_agent: 对话目标 Agent 的 ID,注意是 ID 不是名字text: 你要对目标 Agent 说的内容session_id: (可选)如果你需要与同一个 Agent 进行多轮对话,从第二轮开始传递相同的session_id来保持上下文连续timeout: (可选)预估任务需要的前台等待时间,避免过早超时
- 如果任务适合后台执行,请使用新的后台工具路径
submit_to_agent(...):提交后台任务,参数只需要to_agent、text和可选session_idcheck_agent_task(...):通过task_id查询任务状态,完成时返回最终结果
最小调用示例
新对话
list_agents()
chat_with_agent(
to_agent="<target_agent_id>",
text="[Agent <your_agent_id> requesting] 我需要你帮我判断这个问题的处理方向。",
)
续接已有对话
chat_with_agent(
to_agent="<target_agent_id>",
text="[Agent <your_agent_id> requesting] 请基于刚才的结论继续展开第 2 点。",
session_id="<previous_session_id>",
)
后台提交与查询
submit_to_agent(
to_agent="<target_agent_id>",
text="[Agent <your_agent_id> requesting] 请在后台完成这个较长任务。",
)
check_agent_task(
task_id="<task_id>",
)
注意事项
- 添加对话标识符:建议对话内容以如下内容开头
[Agent <your_agent_id> requesting]
这样可以让对方 Agent 更清楚地知道是谁在跟它说话,有助于提高沟通效率和准确性。
合理复用会话:如果你需要与同一个 Agent 进行多轮对话,务必传递相同的
session_id来保持上下文连续。否则每次调用都会被视为新的对话,可能导致对方 Agent 无法正确理解你的需求。session_id可以从第一轮对话的返回结果中获取,例如[SESSION: xxx]其中
xxx就是session_id的值,该值一般由系统生成,长度一般较长,具有唯一性。你需要把这个session_id存下来,在后续与同一个 Agent 的对话中继续使用它。
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