メニュー
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
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
| 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：