Навыки ai-agent-development
🤖

ai-agent-development

Безопасно

Создание AI-агентов с помощью CrewAI и LangGraph

Этот рабочий процесс поможет вам создать автономных AI-агентов — от реализации одиночного агента до многоагентных систем с оркестрацией с использованием фреймворков CrewAI и LangGraph.

Поддерживает: Claude Codex Code(CC)
📊 70 Адекватно
1

Скачать ZIP навыка

2

Загрузить в Claude

Перейдите в Settings → Capabilities → Skills → Upload skill

3

Включите и начните использовать

Протестировать

Использование «ai-agent-development». Помогите мне спроектировать исследовательского агента, который может искать в интернете, анализировать данные и писать отчёты.

Ожидаемый результат:

На основе рабочего процесса разработки AI-агентов, вот дизайн вашего агента:

**Фаза 1: Проектирование агента**
- Цель: Автоматизированный исследовательский помощник
- Возможности: Веб-поиск, анализ данных, написание отчётов
- Инструменты: Search API, библиотека обработки данных, генератор документов
- Память: Краткосрочная для контекста разговора, долгосрочная для результатов исследований
- Метрики успеха: Точность анализа, полнота отчётов

**Рекомендуемый подход**: Используйте многоагентную систему с 3 ролями (Исследователь, Аналитик, Писатель), координируемую через оркестрацию LangGraph.

Использование «ai-agent-development». Создайте агента обслуживания клиентов с доступом к нашей базе знаний

Ожидаемый результат:

Для агента обслуживания клиентов я рекомендую:

**Реализация одиночного агента** (Фаза 2)
- Фреймворк: CrewAI для структурированных разговоров
- Инструменты: Поиск по базе знаний, создание тикетов, триггер эскалации
- Память: Память сущностей для истории клиента, память разговора для контекста

**Контрольные точки качества**: Убедитесь, что агент обрабатывает распространённые запросы, надлежащим образом эскалирует проблемы, поддерживает контекст в многошаговых разговорах.

Аудит безопасности

Безопасно
v1 • 2/24/2026

Static analysis flagged 42 potential issues (32 external_commands, 10 weak_crypto). After evaluation, all findings are FALSE POSITIVES. The external_commands detections are markdown backticks used for skill references (e.g., `ai-agents-architect`), not shell execution. The weak_crypto detections are keyword false positives on common words like 'design', 'memory', 'tool'. This is a documentation-only skill with no executable code.

1
Просканировано файлов
175
Проанализировано строк
0
находки
1
Всего аудитов
Проблем безопасности не найдено

Обнаруженные паттерны

False Positive: Markdown Code ReferencesFalse Positive: Keyword Detection
Проверено: claude

Оценка качества

38
Архитектура
100
Сопровождаемость
87
Контент
32
Сообщество
100
Безопасность
83
Соответствие спецификации

Что вы можете построить

Создание агента поддержки клиентов

Создайте автономного агента, который обрабатывает запросы клиентов, обращается к базам знаний и передаёт сложные вопросы человеческим операторам.

Разработка многоагентной исследовательской команды

Создайте команду специализированных AI-агентов, которые сотрудничают в исследовательских задачах, с отдельными агентами для сбора данных, анализа и отчётности.

Создание состоятельных рабочих процессов агентов

Спроектируйте постоянные рабочие процессы агентов, которые сохраняют состояние между разговорами и могут принимать решения на основе истории рабочего процесса.

Попробуйте эти промпты

Начать проектирование агента 
Я хочу создать AI-агента. Используйте рабочий процесс @ai-agent-development, чтобы провести меня через этот процесс. Начните с Фазы 1: Проектирование агента. Помогите мне определить цель агента, возможности, потребности в интеграции инструментов и метрики успеха.
Реализация одиночного агента 
Следуя Фазе 2 рабочего процесса @ai-agent-development, помогите мне реализовать одиночного автономного агента. Я хочу использовать [CrewAI/LangGraph] в качестве своего фреймворка. Проведите меня через реализацию логики агента, добавление интеграции инструментов и настройку памяти.
Создание многоагентной системы 
Мне нужно создать многоагентную систему. Используя Фазу 3 @ai-agent-development, помогите мне определить роли агентов, настроить коммуникацию между агентами, сконфигурировать делегирование задач и протестировать координацию.
Добавление памяти и инструментов 
Моему агенту нужны память и инструменты. Следуя Фазам 5 и 6 @ai-agent-development, помогите мне спроектировать структуру памяти (краткосрочная, долгосрочная, память сущностей) и реализовать инструменты, которые будет использовать агент.

Лучшие практики

  • Начните с чёткой цели агента и определённых метрик успеха перед реализацией
  • Систематически используйте поэтапный рабочий процесс — завершите каждую фазу перед переходом к следующей
  • Тестируйте поведение агента на каждой фазе с реальными сценариями перед добавлением сложности

Избегать

  • Пропуск фазы проектирования и переход сразу к реализации
  • Добавление слишком большого количества инструментов и возможностей перед проверкой базовой функциональности
  • Игнорирование проектирования системы памяти — агенты без памяти быстро теряют контекст

Часто задаваемые вопросы

Какие фреймворки поддерживает этот рабочий процесс?
Этот рабочий процесс поддерживает CrewAI, LangGraph и пользовательские реализации агентов. Фазы не зависят от фреймворка, но включают конкретные рекомендации для каждого фреймворка.
Нужно ли мне знать Python для использования этого рабочего процесса?
Да, реализация AI-агентов обычно требует знания Python и знакомства с библиотеками AI/ML. Это технический рабочий процесс для разработчиков.
Могу ли я использовать это для коммерческих проектов?
Да, этот рабочий процесс предоставляет рекомендации по созданию агентов. Полученные агенты могут использоваться в коммерческих продуктах в соответствии с лицензиями используемых фреймворков.
Сколько времени занимает создание агента по этому рабочему процессу?
Сроки варьируются в зависимости от сложности агента. Простой одиночный агент может занять несколько часов. Сложные многоагентные системы с оркестрацией могут занять от нескольких дней до недель.
Включает ли это готовый код агента?
Нет, это документ с рабочим процессом и рекомендациями. Вам нужно будет самостоятельно реализовать код агента на основе архитектурных решений, принятых в каждой фазе.
Что делать, если мой агент не прошёл фазу оценки?
Рабочий процесс включает итерацию — возвращайтесь к предыдущим фазам, чтобы уточнить дизайн агента, улучшить интеграцию инструментов, настроить системы памяти или изменить логику оркестрации на основе результатов оценки.

Сведения для разработчиков

Автор

sickn33

Лицензия

MIT

Репозиторий

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/ai-agent-development

Ссылка

main

Структура файлов

📄 SKILL.md