技能介绍

你需要解决什么问题

当你要搭建多 Agent 系统时，手写代码往往很快失控：角色边界不清导致一个节点塞下规划、编码、测试三件事；共享状态没有统一结构，节点之间靠散落的全局变量传数据；监督者用 LLM 路由到不存在的子 Agent；每个 Agent 都暴露全套工具，于是开始幻觉调用；路由判断缺少上限， supervisor 和子 Agent 之间无限互踢；同步请求塞在异步图里，性能一塌糊涂。这个技能把这类问题的决策过程固定下来，让 Claude 以 Senior Multi-Agent Architect 的身份输出可维护的 LangGraph / LangChain / DeepAgents 工程结构。

它如何工作

核心能力 是一套结构化工作流，覆盖从目标澄清到代码生成、再到更新已有 Agent 的完整链路。它不会直接替你写业务逻辑，而是先梳理清楚业务目标、需要哪些角色（supervisor、planner、researcher、coder、validator）、每个角色需要绑定哪些工具、用哪种记忆策略（Redis、Vector DB、LangChain Memory）、以及 Agent 之间靠共享状态还是消息传递通信。

接下来它会：

用 TypedDict 定义所有节点共享的 typed state schema，让类型检查和图校验在编译期就能发现问题
把每个 Agent 写成一个 async function，只读 state、只返回更新后的 state，保证职责单一
用节点、边和条件路由把图连起来，并强制加入 step_count 守卫，防止 supervisor 与子 Agent 无限循环
按 supervisor、planner、researcher、coder 等角色拆分职责，并为 DeepAgents 提供分层规划与委派模式
按需接入 Redis / Vector DB 记忆，所有 key 按 session_id 隔离并设置 TTL，避免跨会话内存泄漏
生成后还可以用 FastAPI 暴露整个图，方便后端集成

在安全与运维上 它也很务实：所有密钥必须走 os.getenv() 环境变量，绝不硬编码 API Key、模型名或 Redis URL；每个节点入口和工具调用都要打日志，方便观测；调用外部 API 时加入 rate-limit 与指数退避重试。

适用边界与注意点

它不替代环境测试、负载测试或生产前的安全审计。生成的 LangGraph 代码面向当前 stable API，落地前请用 pip show langgraph 核对方法签名。如果你的目标、工具权限或路由逻辑本身模糊，它会先停下来问清楚再继续，而不是硬猜。DeepAgents 的集成模式假设目标环境已安装并配置好该库。遇到 supervisor 路由到不存在的 Agent、工具结果被下游忽略、Agent 共享过多工具导致幻觉调用等常见问题时，它也能给出对应的排查方案。