智能体旅程地图

它解决什么问题

产品经理做 AI Agent 设计时，常常需要梳理智能体的完整执行路径——用户怎么输入、Agent 怎么推理、调用哪些 API、遇到风险怎么处理。传统流程图要么太简陋，画不出 Agent 内部的推理链路；要么太复杂，团队看着费劲，协作时没人愿意维护。而通用的用户旅程图视角又只停留在用户侧，看不到 Agent 内部的决策与系统依赖。

这个技能做什么

agent-journey-map 通过对话式问答收集五类信息——目标用户、用户目标、交互方式、系统依赖、风险场景——然后生成一个单文件 HTML 交互式 SVG 泳道流程图，包含四条泳道：user（用户）、agent（智能体推理）、system（系统调用）、risk（风险与缓解），固定中英双语标签。

核心能力包括：

• 信息收集分轮进行：技能按 2～3 轮提问，而不是一次性抛出全部问题，降低回答门槛。
• 反问循环与决策节点：生成的图中至少包含 1～2 个菱形判断节点，"No" 分支会回到用户侧触发补充信息，形成闭环。
• 风险-缓解配对：每个红色风险节点都强制配对一个绿色缓解节点，用虚线连接，避免风险只被列出却不处理。
• 交互式 HTML：生成的文件支持拖拽移动节点、双击编辑文字、增删连线，可直接在浏览器打开，适合团队协作迭代。
• 双主题与无障碍：内置 light/dark 两套主题，色板通过 WCAG 2.1 AA 对比度验证，右上角一键切换。
• 跨平台兼容：严格遵循 7 条 SVG 渲染规范（绝对坐标、viewBox、坐标系转换、数据驱动边路径、兼容 marker 写法、单一 render 入口、<foreignObject> 换行），保证在 Coze、Dify 等平台的 artifact iframe 中不出现连线错位。

适用边界

• 输出聚焦在流程可视化，不负责 Agent 架构选型、prompt 优化或性能评估。
• 问题收集依赖用户提供的信息质量，不确定的节点会标注"待补充"，但不会替用户编造 API 或流程。
• 修改已有文件时生成新版本（-v2 后缀），不覆盖原文件，历史版本可追溯。
• 生成的 HTML 是独立单文件，节点数量建议控制在 15～30 个，流程过细可能需要拆分多张图。