技能介绍

要解决的问题

动手搭建 AI Agent 时，工程师常常要在一堆分散的资料里拼凑答案：工具调用该用哪种 schema、记忆该保留多少轮上下文、多步推理怎么串联、最后怎么落到 Slack 或 Telegram 上。这个技能把这些分散的决策收敛成一套可复用的架构蓝图。

核心能力

架构设计：先梳理 Agent 的核心组件与类型划分，定骨架再谈实现
工具调用：给出工具定义的规范模式、常见工具分类，以及 n8n 工具集成的接入方式
记忆与上下文：区分记忆类型，处理上下文窗口的容量管理
多步推理：覆盖 ReAct 模式与 Planning Agent 两种主流工作流
平台集成：内置 Slack Bot、Telegram Bot 与 Web 聊天界面的对接思路
模板参考：提供客服 Agent、研究 Agent 等可直接对照的完整样例

技能的输出不是散文，而是结构化的蓝图。以日程预约为例，它会产出一份 YAML：先声明 agent 的名字、模型与能力清单（查日历、预约、发通知、处理改期、答常见问题），再给出带 [Thought] / [Action] 轨迹的完整对话推演，最后用 workflow 定义 webhook_trigger、ai_agent 的工具列表与响应闭环。照着这份蓝图，工程师可以逐块替换成自己的模型与 API。

适用边界

技能基于 n8n 的 5000+ AI 工作流模板总结，适合作为设计与落地的参考起点，但它不会替你跑通整条链路。涉及发送、发布、删除、付款、部署等外部写入操作时，必须先展示目标与影响并取得明确确认；凭据仅用于用户指定的官方服务，不回显、不记录、不转发；命令与代码默认作为参考，只有在用户明确要求且目标范围清楚时才可运行。它也不会自动安装依赖或创建持久化任务。