# Agent Creator

> AI Agent 自动化创建工具。当用户需要设计、创建、配置 AI Agent，包括定义 Agent 角色、设计 System Prompt、规划工具集、编排工作流程时使用此技能。支持对话型、任务型、研究型、多Agent协作等多种架构。

- Skill: `enoch-robinson/agent-creator` (Agent Skill, multi-file: 7 files)
- Install (CLI): `npx skillmds@latest add enoch-robinson/agent-creator`
- Raw SKILL.md: https://api.skillmd.com/api/skills/enoch-robinson/agent-creator/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: enoch-robinson (https://skillmd.com/u/enoch-robinson)
- Updated: 2026-09-10
- Page: https://skillmd.com/skills/enoch-robinson/agent-creator

---


# Agent Creator

自动化创建高质量 AI Agent 的完整指南和工具集。

## Agent 核心组成

一个完整的 Agent 包含以下要素：

| 组件 | 作用 | 必需 |
|------|------|------|
| **Identity** | 角色定位、能力边界 | ✅ |
| **System Prompt** | 行为指令、输出规范 | ✅ |
| **Tools** | 可调用的工具/API | ⚡ |
| **Memory** | 上下文管理策略 | ⚡ |
| **Workflow** | 决策逻辑、状态流转 | ⚡ |
| **Guardrails** | 安全边界、错误处理 | ✅ |

⚡ = 根据 Agent 类型决定

## Agent 类型速查

| 类型 | 特点 | 适用场景 |
|------|------|----------|
| **Conversational** | 多轮对话、上下文理解 | 客服、助手、咨询 |
| **Task** | 目标驱动、自主执行 | 自动化、数据处理 |
| **Research** | 信息收集、分析综合 | 调研、报告生成 |
| **Multi-Agent** | 角色分工、协作完成 | 复杂任务、模拟 |

详细模板见 `templates/` 目录。

## 创建工作流

### Phase 1: 需求定义

```
1. 明确 Agent 要解决的核心问题
2. 确定目标用户和使用场景
3. 列出成功标准和约束条件
```

**关键问题清单：**
- Agent 的主要职责是什么？
- 用户会如何与它交互？
- 它需要访问哪些数据/系统？
- 有哪些绝对不能做的事？
- 如何衡量它的表现？

### Phase 2: 角色设计

```
1. 定义 Agent 身份和人设
2. 明确能力范围和边界
3. 设定交互风格和语气
```

**Identity 模板：**
```
你是 [角色名称]，一个专注于 [领域] 的 AI 助手。

##核心能力
- [能力1]
- [能力2]

## 边界
- 你可以：[允许的行为]
- 你不能：[禁止的行为]
```

### Phase 3: 工具规划

```
1. 列出完成任务所需的工具
2. 定义每个工具的 schema
3. 设计工具调用的决策逻辑
```

**工具定义规范见** `references/tool-schema.md`

### Phase 4: Prompt 工程

```
1. 编写 System Prompt
2. 设计输出格式规范
3. 添加 few-shot 示例
```

**Prompt 结构：**
```
[Identity] - 角色定义
[Context] - 背景信息
[Instructions] - 行为指令
[Constraints] - 约束条件
[Output Format] - 输出规范
[Examples] - 示例（可选）
```

### Phase 5: 安全设计

```
1. 定义输入验证规则
2. 设置输出过滤机制
3. 配置错误处理策略
4. 添加人工介入触发条件
```

### Phase 6: 测试验证

```
1. 正常场景测试
2. 边界条件测试
3. 对抗性测试
4. 性能压力测试
```

## System Prompt 设计原则

### 1. 清晰具体

```
❌ 你是一个有帮助的助手
✅ 你是一个专业的代码审查助手，专注于 Python 代码的安全性和性能优化
```

### 2. 结构化指令

```
❌ 帮用户写代码，要写得好一点
✅ 当用户请求代码帮助时：1. 先理解需求，必要时提问澄清
   2. 提供带注释的完整代码
   3. 解释关键实现决策
   4. 指出潜在的边界情况
```

### 3. 明确边界

```
✅ 你只处理与[领域] 相关的问题。对于超出范围的请求，礼貌说明并建议合适的资源。
```

### 4. 输出格式化

```
✅ 响应格式：
   - 简短问题：直接回答，不超过3句
   - 复杂问题：使用标题分段，包含示例
   - 代码请求：使用代码块，添加语言标识
```

## 常见架构模式

### ReAct (Reasoning + Acting)

```
思考 → 行动 → 观察 → 思考 → ...

适用：需要多步推理和工具调用的任务
```

### Plan-and-Execute

```
规划完整步骤 → 逐步执行 → 验证结果

适用：复杂任务分解、项目规划
```

### Router Pattern

```
分析请求 → 路由到专门处理器 → 返回结果

适用：多功能 Agent、意图分类
```

### Reflection Pattern

```
生成输出 → 自我评估 → 改进 → 最终输出

适用：高质量内容生成、代码优化
```

## 快速开始

### 创建简单 Agent

```python
# 最小可用 Agent 配置
agent_config = {
    "name": "my-agent",
    "system_prompt": """
你是一个专业的 [领域] 助手。

## 职责
- [主要职责]

## 约束
- [关键约束]
""",
    "tools": [],# 按需添加
    "temperature": 0.7
}
```

### 使用模板

根据需求选择合适的模板：
- `templates/conversational-agent.md` - 对话型
- `templates/task-agent.md` - 任务型
- `templates/research-agent.md` - 研究型
- `templates/multi-agent.md` - 多Agent协作

## 检查清单

创建 Agent 前确认：

- [ ] 明确定义了 Agent 的核心职责
- [ ] System Prompt 结构清晰、指令具体
- [ ] 工具定义完整、schema 规范
- [ ] 设置了适当的安全边界
- [ ] 定义了错误处理策略
- [ ] 准备了测试用例
- [ ] 考虑了边界情况和对抗场景

## 参考资源

- `templates/` - Agent 类型模板
- `references/tool-schema.md` - 工具定义规范
- `references/prompt-patterns.md` - Prompt 设计模式