Agent Skills
返回列表
🤖

智能体工程实践

AI Agent 更新于 2026.08.30

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 @org-eyw2ohcx/affaan-m-ecc-agentic-engineering。

技能介绍

要解决什么问题

当实现工作主要由 AI Agent 完成、人只负责质量与风险控制时,常见失败模式是:任务边界模糊、改完无法验证、用大模型做分类抄模板、评审把时间耗在已由 linter 覆盖的风格上。本技能描述的是一套可重复操作的工程纪律,而不是某个 IDE 插件。

技能如何工作

运行原则强调四件事:执行前写清完成标准;把工作拆成 Agent 可吞下的单元;按复杂度选模型档位;用 eval 与回归检查衡量变化。

Eval-First 闭环是主干:先定义能力 eval 与回归 eval,跑 baseline 并记录失败特征,再实施改动,最后重跑 eval 对比 delta。

任务拆分遵循 15 分钟单元:每块可独立验证、单一主导风险、有明确 done 条件。模型路由示例:Haiku 做分类与样板变换与窄改;Sonnet 做实现与重构;Opus 做架构、根因与多文件不变量。会话策略:紧耦合单元续聊;大阶段切换开新会话;里程碑后 compact,不在 активной debug 中压缩上下文。

人工评审优先看不变量与边界、错误边界、安全与鉴权假设、隐藏耦合与上线风险;自动化已覆盖的风格不必反复吵。

成本纪律:按任务记录模型、token 估计、重试、墙钟时间与成败;仅当下级模型因推理缺口明确失败时才升级档位。

适用边界

技能假设你手头有 eval/回归手段,且团队愿意在执行前写完成标准。它不替代安全审计流程,也不定义具体技术栈的测试框架;模型档位名称来自 SKILL 中的 Claude 族划分,换模型时需自行映射复杂度。

使用场景

  • 多文件重构前先写回归 eval,Agent 改代码后对比 baseline 失败签名再决定是否合并
  • 把需求拆成 15 分钟可验证单元,为每单元指定单一风险与 done 条件再逐个交给 Agent
  • 分类与样板生成用 Haiku、实现用 Sonnet,仅架构/根因问题才升到 Opus 以控制 token
  • 里程碑结束后再 compact 会话上下文,避免在 debug 中段压缩导致丢失失败现场

适合人员

  • 带 Agent 写业务代码的 Tech Lead,需要在合并前用 eval 约束回归而非纯肉眼 diff
  • 负责 AI 辅助研发的工程经理,要按任务记录模型档位、重试与墙钟时间并制定升级规则
  • 做 Codereview 的 senior,希望把时间放在不变量、鉴权假设与上线耦合而非风格争论
  • 平台同学维护多 Agent 会话策略,要在阶段切换时决定续聊还是开新会话