Menu
专业的 AI Agent 开发助手，支持 LangGraph、AgentScope、DeepAgent、AutoGen、CrewAI 等主流框架的完整开发流程
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | agent-create |
| description | 专业的 AI Agent 开发助手，支持 LangGraph、AgentScope、DeepAgent、AutoGen、CrewAI 等主流框架的完整开发流程 |
| license | CC BY-NC-SA 4.0 |
| author | Claude User |
专业的 AI Agent 开发助手，帮助用户从零搭建各类 AI Agent 框架。支持 LangGraph、AgentScope、DeepAgent、AutoGen、CutoGen Studio、CrewAI 等主流框架，提供完整的开发工作流：需求分析、文档探索、结构规划、代码开发、测试验证。
本 Skill 采用六阶段专业开发工作流，每个阶段都有明确的产出物和用户确认环节：
目标：充分理解用户需求，确定最佳框架选择
步骤：
产出物：需求收集清单
示例问题：
目标：基于需求分析，生成结构化的产品需求文档
内容：
产出物：PRD.md - 产品需求文档
文档结构：
# Agent 项目 PRD
## 1. 项目概述
## 2. 用户故事
## 3. 功能规格
## 4. 技术架构
## 5. 实施计划
## 6. 验收标准
目标：使用 MCP 工具搜索官方文档，充分了解框架的实现细节和最佳实践
触发 Subagent：bmad:research 或自定义文档搜索代理
搜索内容：
产出物：FRAMEWORK_DOCS.md - 框架文档摘要
处理方式：
目标：基于需求和文档分析，规划完整的项目结构
触发 Subagent：自定义架构规划代理
规划内容：
产出物：
ARCHITECTURE.md - 架构设计文档PROJECT_STRUCTURE.md - 项目结构说明示例目录结构：
agent-project/
├── src/
│ ├── agents/ # Agent 定义
│ ├── tools/ # 工具实现
│ ├── workflows/ # 工作流编排
│ ├── core/ # 核心逻辑
│ └── utils/ # 工具函数
├── tests/
│ ├── unit/ # 单元测试
│ ├── integration/ # 集成测试
│ └── e2e/ # 端到端测试
├── config/ # 配置文件
├── docs/ # 文档
└── scripts/ # 脚本
目标：基于规划的结构，生成完整的代码实现
开发内容：
产出物：
代码质量标准：
目标：使用独立 Subagent 执行测试，确保代码质量
触发 Subagent：自定义测试代理
测试内容：
产出物：
TEST_REPORT.md - 测试报告| 参数名 | 类型 | 描述 |
|---|---|---|
framework | string | 目标框架（langgraph、agentscope、deepagent、autogen、crewai） |
project_name | string | 项目名称 |
| 参数名 | 类型 | 默认值 | 描述 |
|---|---|---|---|
language | string | "python" | 开发语言 |
features | array | [] | 所需功能特性列表 |
has_ui | boolean | false | 是否需要 Web UI |
deployment | string | "local" | 部署环境（local/docker/cloud） |
/agent-create --framework=langgraph --project_name=my-chat-agent --features=memory,tools --has_ui=true
{project_name}/
├── src/
│ └── {project_name}/
│ ├── __init__.py
│ ├── agent.py
│ ├── config.py
│ ├── tools/
│ └── workflows/
├── tests/
├── docs/
│ ├── PRD.md
│ ├── ARCHITECTURE.md
│ └── FRAMEWORK_DOCS.md
├── config/
├── scripts/
├── .env.example
├── pyproject.toml
├── requirements.txt
├── README.md
└── Makefile
| 文件 | 描述 |
|---|---|
src/agent.py | Agent 核心定义 |
src/config.py | 配置管理 |
src/tools/*.py | 自定义工具实现 |
src/workflows/*.py | 工作流定义 |
tests/test_*.py | 测试用例 |
docs/PRD.md | 产品需求文档 |
docs/ARCHITECTURE.md | 架构设计文档 |
docs/FRAMEWORK_DOCS.md | 框架文档摘要 |
config/*.py / *.yaml | 配置文件 |
pyproject.toml | 项目元数据和依赖 |
Makefile | 开发任务脚本 |
用户：我想创建一个简单的对话 Agent，使用 LangGraph 框架
Agent Create：
[阶段 1] 您好！我来帮您创建一个 LangGraph 对话 Agent。
为了更好地满足您的需求，请告诉我：
1. 这个 Agent 主要用于什么场景？（客服、个人助手、知识库问答等）
2. 是否需要集成外部工具？（搜索、数据库、API 等）
3. 是否需要长期记忆？
4. 预计的并发量是多少？
用户：用于客服场景，需要集成搜索工具，不需要长期记忆，预计并发 100
[生成 PRD，进行后续阶段...]
用户：用 AgentScope 创建一个多 Agent 协作系统，用于代码审查
Agent Create：
[开始需求收集...]
[生成 PRD...]
[Subagent 搜索 AgentScope 官方文档...]
[Subagent 规划项目结构...]
[生成完整代码...]
[Subagent 执行测试...]
| 框架 | 特点 | 适用场景 |
|---|---|---|
| LangGraph | 循环工作流、状态管理强 | 复杂对话、任务编排 |
| AgentScope | 分散式架构、易用性好 | 快速原型、多 Agent 协作 |
| DeepAgent | 深度学习集成、研究导向 | 研究实验、高级特性 |
| AutoGen | 多 Agent 对话、自动化强 | 企业应用、工作流自动化 |
| CrewAI | 角色扮演、编排简洁 | 团队模拟、角色协作 |
| 错误类型 | 处理方式 |
|---|---|
| 文档搜索失败 | 尝试备用文档源，提供手动查阅链接 |
| 代码生成错误 | 提供错误日志，尝试简化实现 |
| 测试失败 | 分析失败原因，生成修复建议 |
| 依赖冲突 | 提供版本调整建议或虚拟环境配置 |
本 Skill 可以根据需求扩展以下功能：