搜索结果: "智能体"
Agentuity云智能体列表Skill agentuity-cli-cloud-agent-list
这是一个用于Agentuity云平台的命令行工具技能,主要功能是列出指定项目中的所有智能体(AI Agent)。用户需要先完成身份验证并设置项目上下文。该技能支持按部署ID筛选、显示详细信息和JSON格式输出,是管理云端AI智能体的核心运维工具。关键词:Agentuity云平台,AI智能体管理,命令行工具,云端运维,部署管理,项目智能体列表。
Agentuity云会话列表工具Skill agentuity-cli-cloud-session-list
这是一个用于Agentuity云平台的命令行工具,主要功能是查询和筛选平台上的会话记录。用户可以通过多种条件(如项目ID、部署ID、触发类型、环境、成功状态等)过滤会话,并控制返回结果的数量。该工具需要先进行身份验证才能使用,适用于监控、调试和审计AI智能体在云端的执行情况。关键词:Agentuity CLI,云会话管理,AI智能体监控,会话查询,命令行工具,DevOps工具。
Agentuity云会话查询工具Skill agentuity-cli-cloud-session-get
Agentuity云会话查询工具是一个用于获取AI智能体会话详细信息的命令行工具。该工具需要身份验证,能够查询会话ID、时间戳、智能体状态、执行结果等关键数据,适用于AI智能体开发调试、会话监控和性能分析。主要功能包括会话详情查询、状态监控、错误诊断和运行分析,帮助开发者优化AI智能体性能。
agentuity-cli-cloud-session-getSkill agentuity-cli-cloud-session-get
这是一个用于Agentuity云平台的命令行工具技能,专门用于查询和获取AI智能体会话的详细运行信息。主要功能包括:会话详情查询、运行状态监控、性能数据分析、错误排查诊断。适用于AI智能体开发、会话管理、运维监控、性能优化等场景。关键词:Agentuity云平台、AI智能体、会话管理、命令行工具、运维监控、性能分析、开发调试。
ChoosingSwarmPatternsSkill choosing-swarm-patterns
这是一个用于协调多个AI代理并选择合适的协调模式的技能,涵盖了10种模式,包括fan-out、pipeline、hub-spoke等,每种模式都有决策框架和反思协议,以帮助在复杂系统中有效地管理和优化多智能体工作流。
工具发现Skill tool-discovery
工具发现智能体推荐系统,AI工具推荐引擎,任务匹配工具选择器,智能体技能分类目录,开发工具决策助手,代码工具选择指南,自动化工具匹配系统,技术栈推荐工具
MCP服务器构建器Skill mcp-builder
MCP服务器构建器是一个专门用于创建高质量模型上下文协议(MCP)服务器的开发指南。该技能提供完整的MCP服务器开发流程,涵盖从深度研究、规划到实现、测试和评估的全过程。关键词包括:MCP服务器开发、AI智能体集成、外部API连接、TypeScript/Python实现、LLM工具开发、模型上下文协议、AI应用开发、智能体工具链、API集成框架、AI系统架构。
子代理操作技能Skill child-agent-ops
这是一个用于标准化管理AI子代理(Agent)工作流的技能框架。它通过提供任务分解、角色定义、检查清单和报告模板,确保在多代理协作场景中,领导、实施和评审等角色能够高效、安全地协同工作。核心功能包括子代理的启动、任务分配、进度监控、风险报告和成果验收,旨在提升AI团队的任务执行效率与协作规范性。 **关键词**: AI代理协作,多代理系统,任务分解,工作流标准化,AI项目管理,智能体操作,安全操作,KPI监控
强制与胁迫书记员Skill coercion-duress
这是一个用于法律证据分析的AI智能体技能。它专门处理涉及强制投降、威胁、程序违规和缺乏知情同意等主题的文档。该技能遵循严格的法律级协议,要求分析师手动阅读和分析JSON格式的文档内容,提取关键证据,生成结构化报告,并确保元数据完整性。核心功能包括:文档分析、证据提取、JSON报告生成、OCR处理、任务标记和提交验证。适用于法律调查、历史研究、合规审计等需要严谨证据处理的场景。
代理开发Skill agent-development
Claude Code插件代理开发指南,提供AI智能体创建、配置、触发条件、系统提示设计、最佳实践等完整开发框架。关键词:AI智能体开发,Claude插件,代理配置,系统提示设计,触发条件,自主代理,AI工具开发,智能体框架
上下文优化Skill context-optimization
上下文优化是一种用于扩展大型语言模型有效上下文容量的关键技术。它通过压缩、掩蔽、缓存和分区等策略,在不增加模型规模或硬件要求的情况下,显著提升智能体处理长对话、大文档和复杂任务的能力。核心应用场景包括降低AI应用成本、减少推理延迟、构建长期运行的智能体系统以及优化大规模生产部署。关键词:上下文优化,LLM上下文扩展,AI成本优化,智能体性能提升,KV缓存优化,上下文压缩,大模型工程。
多智能体架构模式Skill multi-agent-patterns
本技能详细介绍了多智能体架构的设计模式、应用场景与最佳实践,旨在解决单智能体上下文限制问题,通过任务分解、上下文隔离和智能体协调来提升复杂任务的处理能力。关键词:多智能体架构、上下文隔离、任务分解、智能体协调、监督者模式、对等模式、层级模式、共识机制、故障缓解、LangGraph、AutoGen、CrewAI。