技能介绍

解决什么问题

很多团队带着一句“想做个智能体”就开始搭平台，结果范围越做越大、工具一出错就连锁失败，评审时也拿不出一页能说清楚边界与验收的材料。这个技能面向 企业 AI 实施工程师 / 产品经理 / AI 咨询师，目标是在写代码或配平台之前，把模糊设想拆成 可设计、可评审、可落地 的要素，并用一张 Agent Design Card（智能体设计卡）统一表达：它是谁、何时动手、靠什么记忆、谁来兜底、怎么算成功。

怎么用

技能先给方法论，再给可复制的模板（指向 references/template.md，含六格设计卡与评估清单）。核心流程是 六步设计法：

① 定角色与目标：一句话说清服务对象、要解决的业务环节、成功形态。
② 划工具边界：列出可调用的系统/API，标注可靠性、入参出参与失败策略。
③ 设计记忆与知识：区分短期上下文、长期记忆与 RAG 知识库的边界与更新机制。
④ 定人机协同（HITL）：明确哪些环节必须人审、触发条件与回退路径。
⑤ 设失败兜底：为幻觉、工具不可靠、循环/递归、范围蔓延准备降级策略。
⑥ 写评估指标：用任务成功率、人审通过率、成本与时延定义验收阈值。

同时提供 识别信号表 做选型判断：流程确定、无分支时不该硬上 Agent，应走规则/工作流；步骤不固定、需要边想边调工具，更适合 ReAct 单智能体；答案依赖企业私有知识，用 RAG-Agent；角色可拆分且需要协作/审核/并行，再考虑 多智能体。若结果错一次代价极高，则必须保留强人审。遇到卡点也有自救路径：范围蔓延就回到目标句做取舍；工具经常超时或返回脏数据，应先治理工具再谈智能体；出现幻觉就强制 RAG 引用来源、低置信度转人工；陷入循环则设置最大步数与动作去重。

适用边界

它输出的是 设计方法论与结构化模板，不是平台实操手册：不写 Dify/Coze/LangGraph 的具体配置代码，也不负责基座模型或向量库选型。纯规则脚本、一次性批处理、强监管闭环决策（如自动放贷/诊疗处方）不在范围内；强监管场景会标注“需人工强审核与合规前置评审”，不会给出可免责的全自动闭环设计。涉及个人数据时，需要遵守《个人信息保护法》与最小必要原则，并对知识库/RAG 做权限隔离与脱敏。