القائمة
智能体和 LLM 应用的全栈诊断。审计 12 层智能体堆栈，检查包装器回归、内存污染、工具纪律失败、隐藏修复循环和渲染损坏。生成按严重程度排序的发现和代码优先修复。对于构建智能体应用、自主循环或任何 LLM 驱动功能的开发者至关重要。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/aaione/everything-claude-code-zh --skill agent-architecture-auditيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
Kubernetes 工作负载模式、资源管理、RBAC、probes、autoscaling、ConfigMap/Secret 处理，以及面向生产级部署的 kubectl 调试。
完成任何非平凡任务后使用。智能体按 5 个维度自评输出——准确性、完整性、清晰度、可执行性、简洁性——每项都给出具体证据。生成结构化 1-5 评分卡和具体改进建议。
在 competitive-platform-analysis 产出分层竞品集合后使用。按九个加权维度（定位、声音、视觉工艺、offer packaging、证据、enterprise-readiness、thought leadership、定价、客户 strategic tension）为每个竞品评分，使用明确 1–5 rubrics 和 tension-plot。位于 competitive-report-structure 之前。
استنادا إلى تصنيف SOC المهني
عرض SKILL.md
| name | agent-architecture-audit |
| description | 智能体和 LLM 应用的全栈诊断。审计 12 层智能体堆栈，检查包装器回归、内存污染、工具纪律失败、隐藏修复循环和渲染损坏。生成按严重程度排序的发现和代码优先修复。对于构建智能体应用、自主循环或任何 LLM 驱动功能的开发者至关重要。 |
| origin | oh-my-agent-check |
| tools | Read, Write, Edit, Bash, Grep, Glob |
针对智能体系统的诊断工作流程，这些系统将失败隐藏在包装器层、过时内存、重试循环或传输/渲染变异之后。
以下情况必须使用：
以下情况特别关键：
不要用于：
agent-introspection-debuggingsecurity-review 或 security-review/scanagent-eval每个智能体系统都有这些层。任何层都可能破坏答案：
| # | 层 | 可能出现的问题 |
|---|---|---|
| 1 | 系统提示 | 冲突指令、指令膨胀 |
| 2 | 会话历史 | 来自先前回合的过时上下文注入 |
| 3 | 长期记忆 | 跨会话污染、新对话中的旧主题 |
| 4 | 蒸馏 | 重新进入的压缩伪事实 |
| 5 | 主动回忆 | 浪费上下文的冗余重新摘要层 |
| 6 | 工具选择 | 错误的工具路由、模型跳过必需工具 |
| 7 | 工具执行 | 幻觉执行 — 声称调用但实际未调用 |
| 8 | 工具解释 | 误读或忽略工具输出 |
| 9 | 答案塑造 | 最终响应中的格式损坏 |
| 10 | 平台渲染 | 传输层变异（UI、API、CLI 修改有效答案） |
| 11 | 隐藏修复循环 | 静默回退/重试智能体运行第二个 LLM 传递 |
| 12 | 持久化 | 过期状态或缓存伪影作为实时证据重用 |
基础模型产生正确答案，但包装器层使其变差。
症状：
旧主题通过历史、内存检索或蒸馏泄露到新对话中。
症状：
工具在提示中声明但在代码中未强制执行。模型跳过它们或幻觉执行。
症状：
智能体的内部答案正确，但平台层在传递过程中修改它。
症状：
静默修复、重试、摘要或回忆智能体在没有明确合同的情况下运行。
症状：
定义您要审计的内容：
从代码库收集证据：
使用 rg 搜索反模式：
# 仅在提示文本中表示的工具要求（非代码）
rg "must.*tool|必须.*工具|required.*call" --type md
# 没有验证的工具执行
rg "tool_call|toolCall|tool_use" --type py --type ts
# 主智能体循环外的隐藏 LLM 调用
rg "completion|chat\.create|messages\.create|llm\.invoke"
# 没有用户更正优先级的内存准入
rg "memory.*admit|long.*term.*update|persist.*memory" --type py --type ts
# 运行额外 LLM 调用的回退循环
rg "fallback|retry.*llm|repair.*prompt|re-?prompt" --type py --type ts
# 静默输出变异
rg "mutate|rewrite.*response|transform.*output|shap" --type py --type ts
对于每个发现，记录：
默认修复顺序（代码优先，而非提示优先）：
| 级别 | 含义 | 操作 |
|---|---|---|
critical | 智能体可能自信地产生错误的操作行为 | 在下次发布前修复 |
high | 智能体频繁降低正确性或稳定性 | 本冲刺修复 |
medium | 正确性通常保持但输出脆弱或浪费 | 计划下一周期 |
low | 主要是化妆品或可维护性问题 | 积压工作 |
按此顺序向用户展示发现：
不要以赞美或摘要开头。如果系统损坏，直接说明。
审计智能体系统时，回答这些问题：
| # | 问题 | 如果是 → |
|---|---|---|
| 1 | 模型可以跳过必需工具并仍然回答？ | 工具未代码门控 |
| 2 | 旧对话内容出现在新回合中？ | 内存污染 |
| 3 | 系统提示和内存和历史中有相同信息？ | 上下文重复 |
| 4 | 平台在传递前运行第二个 LLM 传递？ | 隐藏修复循环 |
| 5 | 内部生成和用户传递之间的输出不同？ | 渲染损坏 |
| 6 | "必须使用工具 X"规则仅在提示文本中？ | 工具纪律失败 |
| 7 | 智能体自己的独白可以成为持久内存？ | 内存中毒 |
审计应生成遵循此形状的结构化报告：
{
"schema_version": "ecc.agent-architecture-audit.report.v1",
"executive_verdict": {
"overall_health": "high_risk",
"primary_failure_mode": "string",
"most_urgent_fix": "string"
},
"scope": {
"target_name": "string",
"model_stack": ["string"],
"layers_to_audit": ["string"]
},
"findings": [
{
"severity": "critical|high|medium|low",
"title": "string",
"mechanism": "string",
agent-introspection-debugging — 调试智能体运行时失败（循环、超时、状态错误）agent-eval — 头对头基准测试智能体性能security-review — 代码和配置的安全审计autonomous-agent-harness — 设置自主智能体操作agent-harness-construction — 从头开始构建智能体工具