← 返回
未分类

Agent设计助手

这个 skill 用于辅助 Agent 工程师进行规范化的 Agent 系统构建和代码 review。当用户需要:(1) 根据需求规划 Agent 架构和构建方案,(2) review 已有的 Agent 代码是否符合生产级规范,(3) 识别 Anti-Pattern 并给出正确替代方案时,应使用此 skill。规范来源于 Claude Certified Architect 认证课程的五大 Domain。
这个 skill 用于辅助 Agent 工程师进行规范化的 Agent 系统构建和代码 review。当用户需要:(1) 根据需求规划 Agent 架构和构建方案,(2) review 已有的 Agent 代码是否符合生产级规范,(3) 识别 Anti-Pattern 并给出正确替代方案时,应使用此 skill。规范来源于 Claude Certified Architect 认证课程的五大 Domain。
数字芒果派
未分类 community v1.0.0 1 版本 100000 Key: 无需
★ 0
Stars
📥 42
下载
💾 0
安装
1
版本
#latest

概述

Agent 工程师辅助 & Review Skill

概述

本 skill 基于 Claude Certified Architect 认证课程的五大核心领域,为 Agent 工程师提供:

  1. 规划辅助:根据用户需求,输出规范的 Agent 架构设计方案
  2. 代码 Review:检查代码是否符合生产级 Agent 规范,识别 Anti-Pattern

五大核心 Domain

Domain主题参考文件
-----------------------
D1Agentic Architecture & Orchestrationreferences/d1-agentic-architecture.md
D2Tool Design & MCP Integrationreferences/d2-tool-design-mcp.md
D3Claude Code Configuration & Workflowsreferences/d3-claude-code-config.md
D4Prompt Engineering & Structured Outputreferences/d4-prompt-engineering.md
D5Context Management & Reliabilityreferences/d5-context-management.md

工作模式

模式一:规划 Agent 构建方案

当用户描述需求时,按以下框架输出方案:

规划输出结构

1. 架构选型(单 Agent / 多 Agent Hub-and-Spoke)
2. Agent 角色定义(Coordinator / Subagent 职责拆分)
3. 工具清单(每个 Agent ≤5 个工具)
4. 关键业务规则的执行机制(Hook vs Prompt)
5. Context 管理策略
6. 会话管理方案(Session / Fork / Resume)
7. 错误处理 & 上报设计
8. CLAUDE.md 配置建议

规划时必须考虑的强制规范

  • 循环控制:必须用 stop_reason 控制 agentic loop,禁止解析自然语言文本判断终止
  • 工具数量:单个 Agent 工具数 ≤ 5,超过则拆分为多 Agent
  • Hook 使用:关键业务规则(金额限制、权限校验)必须用 Hook 强制执行,不能靠 Prompt
  • Context 传递:Subagent 只传递与其任务相关的最小 Context
  • 错误区分:access failure(查不到)和 empty result(没有数据)必须明确区分

模式二:代码 Review

对用户提交的 Agent 代码,按以下 Checklist 逐项检查,输出 Review 报告。

Review Checklist

[D1] Agentic Loop & 架构

  • [ ] Loop 终止条件是否检查 stop_reason,而非解析文本内容
  • [ ] 工具调用结果是否正确 append 到 messages
  • [ ] 多 Agent 场景是否使用 Hub-and-Spoke,而非平铺结构
  • [ ] Subagent 是否有 context 隔离(不共享完整 coordinator 历史)
  • [ ] fork_session vs --resume 使用是否正确

[D2] 工具设计 & MCP

  • [ ] 每个 Agent 工具数是否 ≤ 5
  • [ ] 工具描述是否包含:输入格式、边界条件、示例、返回说明
  • [ ] 错误响应是否包含 isErrorerrorCategoryisRetryable 字段
  • [ ] access failure 和 empty result 是否明确区分(禁止把 failure 返回为 []
  • [ ] MCP 配置是否用 ${ENV_VAR} 引用密钥,禁止硬编码
  • [ ] 内置工具选择是否正确(Read/Write/Edit/Bash/Grep/Glob 各归其位)

[D3] Claude Code 配置

  • [ ] CLAUDE.md 层级是否合理(user / project / directory)
  • [ ] 是否使用模块化配置(@import.claude/rules/)而非单一超长文件
  • [ ] 复杂任务是否启用 Plan Mode,简单任务是否避免不必要的 Plan
  • [ ] CI/CD 是否使用 -p flag + 独立 session(generator 和 reviewer 隔离)
  • [ ] Skill 是否设置了 context: forkallowed-tools 约束

[D4] Prompt 工程 & 结构化输出

  • [ ] Prompt 是否使用明确可量化的标准(如"超过50行"而非"较长")
  • [ ] 复杂任务是否使用 2-4 个 few-shot 示例
  • [ ] 结构化输出是否通过 tool_use 而非解析自然语言
  • [ ] Validation-retry loop 是否把具体错误信息 append 到 messages
  • [ ] 是否避免同 session 自我 review(禁止 --resume 后立即 review)

[D5] Context 管理 & 可靠性

  • [ ] 是否使用 Case Facts Block 保存关键信息(禁止依赖 progressive summarization)
  • [ ] 是否考虑 "lost in the middle" 效应,将关键信息放在 context 首尾
  • [ ] 升级触发条件是否基于客观标准(用户明确请求、Policy Gap、金额超限、重试耗尽)
  • [ ] 是否避免基于情绪(sentiment)或模型自报置信度触发升级
  • [ ] 多类型文档是否按类型分层跟踪准确率(禁止只看总体平均)
  • [ ] 信息来源是否带 provenance(source、confidence、retrieved_at)

Review 报告格式

## Agent Code Review 报告

### 总体评分
[优秀 / 良好 / 需要改进 / 存在严重问题]

### ✅ 符合规范
- [列出做得好的地方]

### ❌ 发现的问题

#### [问题1] [所属 Domain] - [严重程度: Critical/Warning/Info]
**问题描述**:[说明是什么 Anti-Pattern]
**有问题的代码**:

[problematic code]

**正确做法**:

[corrected code]


### 🔧 优化建议
- [非必须但值得考虑的改进]

快速参考:核心 Anti-Pattern 列表

读取 references/anti-patterns.md 获取完整的反模式速查表。


使用流程

规划请求:当用户描述 Agent 需求时:

  1. 读取对应 domain 的 references 文件以获取详细规范
  2. 按规划输出结构生成方案
  3. 在方案中明确标注每个设计决策的依据

Review 请求:当用户提交代码时:

  1. 先快速过一遍全部代码,识别涉及哪些 Domain
  2. 按 Review Checklist 逐项检查
  3. 按报告格式输出,严重问题(Critical)必须给出正确代码示例

版本历史

共 1 个版本

  • v1.0.0 Initial release 当前
    2026-05-29 09:38 安全 安全

安全检测

腾讯云安全 (Keen)

安全,无风险
查看报告

腾讯云安全 (Sanbu)

安全,无风险
查看报告

🔗 相关推荐

ai-agent

Self-Improving + Proactive Agent

ivangdavila
自我反思+自我批评+自我学习+自组织记忆。智能体评估自身工作、发现错误并持续改进。
★ 1,434 📥 327,479
ai-agent

Agent Browser

rez0
用于 AI 代理的浏览器自动化 CLI。当用户需要与网站交互(包括浏览页面、填写表单、点击按钮、截图等)时使用。
★ 859 📥 339,575
ai-agent

self-improving agent

pskoett
记录自身发现以实现自我改进的技能
★ 4,152 📥 925,021