Agent Skills
返回列表
🤖

AI 智能体基础

AI Agent 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_814dbe54/ai-agent-fundamentals。

技能介绍

你想厘清的问题

团队里经常把「会聊天的 ChatGPT」和「能跑命令、调接口的 Agent」混在一起;或者在设计流程时,让大模型直接「执行」却忘了接 CLI / API,结果只能出文案、动不了机器。更长会话还会踩坑:不规划就动手、不收集程序日志与用户反馈、把整段历史塞满上下文而不做压缩。

技能在做什么

本技能给助手一套可复用的心智模型与决策启发式,用来回答「智能体凭什么能干事」:

  • 模型 1:智能体 = 能力框架(CLI、API、Memory、Feedback)+ LLM;只有大脑没有手脚只能说话。
  • 模型 2:标准链路对齐 ReAct——规划 → 执行 → 获取反馈 → 反思 → 调整,强调反复尝试而非一次到位。
  • 模型 3~4:反馈四源(程序 / 用户 / 结果 / 效果)与记忆 = 上下文 + 压缩,避免「失忆金鱼」和窗口撑爆。
  • 模型 5~6:本地动作用 CLI,外部能力用 API;复杂任务先拆步骤(如女装带货视频的素材→脚本→生成→剪辑→发布)。
  • 模型 7 + H1~H8:用「基础五问」串讲全貌,并给出可操作的检查清单(工具选型、不可逆步骤二次确认、LLM 只思考不执行等)。

助手在接到科普、方案评审或流水线设计类问题时,会按表格与案例组织回答,而不是堆概念口号。

边界与注意点

这是认知与表达框架,不附带具体 MCP 配置、密钥或某个剪映/FFmpeg 的接线步骤;反模式表也明确:纯 LLM 不接工具、用模型代替 Agent 执行 CLI、把调用大模型做成可选等都会让 Agent 变空壳。落地实现仍需你自行选型工具与权限模型。

使用场景

  • 会后要向非技术同事说明 ChatGPT 与能调 CLI 的 Agent 差别,需要一套类比和五问话术
  • 评审自家 Agent 产品时,要按七大模型核对是否接 LLM、规划、记忆与反馈四源
  • 规划「输入人物名一键出传记视频」流水线,需把剧本、文生图、文生视频、剪映接口逐步对齐
  • 接到「做高质量女装带货视频」类多步需求,要先拆素材收集、脚本、生成与发布再选工具

适合人员

  • 负责 Agent 功能立项的产品,需要用检查清单判断方案是不是「只会聊」的空壳
  • 接 MCP/终端集成的后端,想分清 LLM 生成命令与 Agent 真正执行 `CLI` 的边界
  • 做历史人物或带货类自动成片方案的内容技术,要把规划拆解和 API+CLI 工具链写在同一页
  • 要给业务方科普「为什么 Agent 能操作电脑」的内部讲师或布道者