Agent Skills
返回列表
极简智能体

极简智能体

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

在中文界面或中文对话场景下，请根据官方安装指南 https://skillhub.cn/install/skillhub.md，将规范名为 @user_9af78fb9/minimalism 的极简智能体技能一键安装到你的AI助手中。

技能介绍

要解决的具体问题

很多团队把 LLM 包成 Agent 后，习惯用一层"智能体"裹住整条流水线：确定性校验、模板填充、格式转换这些本可以用代码搞定的步骤，也被塞进提示词里循环执行。结果是 token 账单上涨、延迟增加、结果不稳定，排查问题时还要先看 Agent 到底"想"了什么。

本技能针对的就是这个过度设计：默认工作流化，只在真正存在不确定性时使用 Agent。

核心思路：按确定性分级

技能把每个步骤划分到最低充分级别，用 references/router-template.md 中的可复用路由模板落地：

  • L0 规则：输入输出确定，用代码、配置、Schema 校验、正则、模板
  • L1 单次 LLM：需要语义处理但没有循环，一次调用加结构化输出
  • L2 固定工作流：多步骤但路径已知，用 Pipeline、DAG 或状态机
  • L3 局部 Agent：只有一个节点不确定，只在那里挂 Agent
  • L4 动态 Agent：目标开放、路径未知，Planner 加工具加记忆迭代执行

经验法则是：如果低级别能可靠解决，就不要提升到高级别。Agent 用来处理不确定性、探索、恢复和开放式判断，而不是确定性步骤的默认外壳。

工作流程

  1. 梳理任务链：识别输入、输出、中间产物、工具、失败模式和决策点
  2. 分离确定性与不确定性：确定的部分做成代码或固定工作流，语义边界清晰的用单次模型调用
  3. 按复杂度路由：优先 L0，依次 L1、L2、L3，L4 作为最后手段
  4. 把 Agent 放在异常点：用作复杂节点或故障恢复处理器，避免放在主入口
  5. 输出设计建议：给出步骤分类、每个 Agent 节点的不确定性依据、token 与稳定性影响的定性估算

评审时按 references/review-checklist.md 逐项核对，输出包含工作流诊断、带 L0-L4 标签的分类表、推荐架构和实施建议。

适用边界与注意点

  • 这套方法假设你有能力把步骤拆成可枚举的节点；如果任务本身无法分解，L4 动态 Agent 仍然是合理选择
  • 级别划分是设计约束，不是性能承诺：正确分类能降低不稳定和成本，但不等于消除
  • 审查现有工作流时，重点检查是否把确定性逻辑交给了模型"兜底"
  • 目标是可落地的设计规范，输出要保持实用，不要写成哲学论文

使用场景

  • 评审一个全Agent的客服分流流程，把固定的判断规则拆出来改成代码。
  • 将内容生产流水线从动态Agent改为混合架构，用正则校验替代模型做格式检查。
  • 梳理数据分析管道时，把确定性的SQL查询和聚合步骤从LLM调用中剥离。
  • 设计销售运营自动化时，仅在客户意图模糊的节点保留局部Agent。

适合人员

  • 负责构建自动化管道的后端工程师，希望降低长链路执行的token开销。
  • 设计内部AI工具的产品运营，需要将客服与销售流程拆分为稳定规则。
  • 维护内容生成系统的算法工程师，寻求减少模型调用延迟与不稳定性。
  • 评审AI工作流的技术架构师，想要一套判断Agent是否过度设计的依据。