Skills

基于校正后状态和历史经验的滚动舆情预测引擎。编排 EvoSim 轻量仿真循环, 为 Leader Actor 注入因果经验辅助 LLM 行为决策,通过可选干预 Agent 实时稳定仿真轨迹, 最终由 Report Agent 输出结构化 JSON + 人类可读 Markdown 双格式预测报告。 当需要执行以下任务时使用此 Skill: (1) 在校正后的仿真快照上继续向未来推演 (2) 输出立场分布、极化、关键人物活跃度、传播结构的变化趋势 (3) 基于历史因果经验(原因导致结果)辅助预测并稳定仿真 (4) 生成供人类阅读的预测报告和供下游 Skill 消费的结构化数据 此 Skill 为 EvoPalantir 闭环中的 forecast_runtime 模块, 上游为 calibration_engine 输出的校正状态,下游为 calibration_memory_engine 的经验沉淀。

A2A (Agent-to-Agent) protocol v1.0 development guide for Python. Use when building A2A agents, creating multi-agent systems, implementing A2A servers or clients, working with Agent Cards, handling Task lifecycle, implementing streaming or push notifications, integrating frameworks (LangGraph, Google ADK, BeeAI, AG2, CrewAI, Semantic Kernel, Microsoft Agent Framework) with A2A, configuring OAuth2/PKCE/mTLS security, implementing multi-tenancy, using extensions, or migrating from v0.3 to v1.0. Triggers: 'a2a', 'agent-to-agent', 'agent card', 'TaskUpdater', 'AgentExecutor', 'A2AStarletteApplication', 'A2AClient', 'ClientFactory', 'a2a-sdk', 'HandoffTool', 'RemoteA2aAgent', 'langgraph-a2a-server', 'to_a2a'. Do NOT use for MCP (Model Context Protocol) tool-calling patterns or non-A2A agent communication.