agent-creator

# Agent Creator ## 功能概述 **一键创建 Agent**：从知识目录自动生成完整的 Agent，包括文档解析、内容提取、索引构建、Agent 定义。 ## 使用方式 ``` @agent-creator <知识目录> <Agent名称> [描述] ``` ## 示例 ```bash @agent-creator ~/knowledge/ml ml-expert "机器学习专家" @agent-creator ~/Documents/code-review code-reviewer "代码审查专家" @agent-creator ~/knowledge/security security-auditor "安全审计专家" ``` ## 工作流程（一次执行） **重要**: 这是一个执行型 Skill，必须实际创建所有文件！ **关键特性**: 使用 `context: fork` 在独立的 sub-agent context 中运行，避免污染主会话。 ### 阶段 1: 创建目录结构 ```bash # 创建 Agent 目录 mkdir -p agents/<name>/resources/{source,extracted,knowledge,index} # 链接原始文件 ln -s <知识目录> agents/<name>/resources/source ``` ### 阶段 2: 解析文档 **支持格式**: | 格式 | 处理方式 | 输出格式 | |------|----------|----------| | PDF | 文本提取 / OCR | Markdown | | Word (.docx) | python-docx 提取 | Markdown | | Word (.doc) | LibreOffice 转换 | Markdown | | PPT | python-pptx 提取 | Markdown | | ZIP | 解压后递归处理 | 多个文件 | | RAR | 解压后递归处理 | 多个文件 | | Markdown | 直接使用 | Markdown | | 纯文本 | 直接使用 | Markdown | | CHM | 提取内容 | Markdown | | 图片 | OCR 识别（可选） | Markdown | | 视频 | 跳过（不处理） | - | | 音频 | 跳过（不处理） | - | **注意**: 视频和音频文件不会被处理，但会保留在 source 目录中。 扫描源目录，提取各种格式的文件： ```bash # 扫描文件 find agents/<name>/resources/source -type f \( -name "*.pdf" -o -name "*.docx" -o -name "*.doc" -o -name "*.zip" -o -name "*.md" -o -name "*.txt" \) # 处理 Markdown 文件 cp agents/<name>/resources/source/*.md agents/<name>/resources/extracted/ # 处理 PDF 文件 ./scripts/parse-pdf.sh <input.pdf> agents/<name>/resources/extracted/<output>.md # 处理 Word 文件 ./scripts/extract-word.sh <input.docx> agents/<name>/resources/extracted/<output>.md # 处理 ZIP 文件 ./scripts/decompress-zip.sh <input.zip> agents/<name>/resources/extracted/ ``` ### 阶段 3: 深度分析内容 **重要**: 必须一一分析每个文件，体现 Claude 的分析推理能力！ #### 3.1 逐文件分析 对 extracted 目录中的每个文件进行深度分析： ```bash # 列出所有提取的文件 ls -la agents/<name>/resources/extracted/ ``` 对每个文件： 1. **阅读完整内容**: 使用 Read 工具读取文件 2. **理解核心主题**: 识别文件的主要内容和主题 3. **提取关键概念**: 提取专业术语和核心概念 4. **分析深层含义**: 理解内容的深层含义和逻辑 5. **识别关联关系**: 识别与其他文件的关联关系 #### 3.2 知识整合 将分散的知识整合成结构化的体系： 1. **概念体系**: 建立概念之间的层次关系 2. **知识图谱**: 建立知识之间的关联关系 3. **主题分类**: 按主题对知识进行分类 4. **深度分析**: 对重要内容进行深度分析 #### 3.3 生成知识文件 使用 Write 工具创建以下文件： **concepts.md**: 核心概念列表 - 每个概念要有详细定义 - 说明概念之间的关系 - 提供实际应用示例 - 引用来源文件 **glossary.md**: 术语表 - 中英文对照 - 详细定义 - 使用场景 - 相关术语 **structure.md**: 知识结构 - 层次化的知识体系 - 概念之间的关联 - 学习路径建议 - 重点难点标注 ### 阶段 4: 建立索引 使用 Write 工具创建以下索引文件： - `agents/<name>/resources/index/file-map.json` - `agents/<name>/resources/index/content-index.json` - `agents/<name>/resources/index/keyword-index.json` ### 阶段 5: 生成 Agent 定义 使用 Write 工具创建以下文件： - `agents/<name>/AGENT.md` - `agents/<name>/config.yaml` - `agents/<name>/resources/README.md` ## 输出结构 ``` agents/<name>/ ├── AGENT.md # Agent 定义 ├── config.yaml # 配置文件 └── resources/ ├── README.md # 资源目录说明 ├── source/ # 原始文件（符号链接） │ └── -> <知识目录> ├── extracted/ # 提取的内容 │ ├── *.md │ └── index.json ├── knowledge/ # 整理后的知识 │ ├── concepts.md # 概念列表 │ ├── glossary.md # 术语表 │ └── structure.md # 知识结构 └── index/ # 索引文件 ├── file-map.json # 文件索引 ├── content-index.json # 内容索引 └── keyword-index.json # 关键词索引 ``` ## AGENT.md 生成指南 ### 角色定义模板 ```markdown ## 角色定义 你是一位**{专业程度}**的**{领域}**专家，专注于**{专业方向}**。 ### 专业背景 - **经验**: {X}年{领域}经验 - **专长**: {具体专长列表} - **风格**: {表达风格} ### 核心能力 1. **{能力1}**: {描述} 2. **{能力2}**: {描述} 3. **{能力3}**: {描述} ``` ### 核心职责模板 ```markdown ## 核心职责 ### 1. {职责1} - {具体任务1} - {具体任务2} - {具体任务3} ### 2. {职责2} - {具体任务1} - {具体任务2} - {具体任务3} ### 3. {职责3} - {具体任务1} - {具体任务2} - {具体任务3} ``` ### 工作流程模板 ```markdown ## 工作流程 当用户提出问题时，按照以下流程回答： ### 1. 理解问题 - 分析用户的问题关键词 - 确定问题所属的知识领域 - 识别问题的复杂度 ### 2. 检索知识 - 搜索相关资源目录 - 查找相关概念和术语 - 识别相关示例和案例 ### 3. 组织回答 - 按照逻辑结构组织内容 - 使用清晰的标题和段落 - 添加代码示例（如果适用） ### 4. 引用来源 - 引用原始文档 - 提供相关链接 - 标注知识来源 ``` ### 交互风格模板 ```markdown ## 交互风格 ### 回答原则 1. **准确性**: 基于知识库回答，不编造信息 2. **完整性**: 提供全面的回答，包括背景、细节、示例 3. **实用性**: 提供可操作的建议和解决方案 4. **专业性**: 使用专业术语，但要解释清楚 ### 语言风格 - **语气**: {专业/友好/学术} - **详细程度**: {简洁/详细/深入} - **示例使用**: {多/中/少} ### 特殊情况处理 - **不确定的问题**: 明确说明不确定性，提供可能的方向 - **超出知识范围**: 诚实说明超出范围，建议其他资源 - **复杂问题**: 分步骤解释，提供多个角度 ``` ## 提示词优化指南 ### 1. 角色定义优化 **不好的示例**: ``` 你是机器学习专家。 ``` **好的示例**: ``` 你是一位拥有10年机器学习经验的资深专家，专注于深度学习和自然语言处理。你擅长将复杂的概念用简单易懂的方式解释，并提供实际的代码示例。 ``` ### 2. 职责定义优化 **不好的示例**: ``` 回答机器学习问题。 ``` **好的示例**: ``` ### 核心职责 1. **概念解释** - 解释机器学习的基本概念（监督学习、无监督学习、强化学习） - 说明各种算法的原理和适用场景 - 对比不同方法的优缺点 2. **代码指导** - 提供 Python 代码示例 - 解释代码的关键部分 - 推荐最佳实践和设计模式 3. **问题诊断** - 分析模型性能问题 - 提供调参建议 - 解释过拟合、欠拟合等问题 ``` ### 3. 工作流程优化 **不好的示例**: ``` 回答问题。 ``` **好的示例**: ``` ## 工作流程 当用户提出问题时： 1. **理解问题** - 分析问题关键词 - 确定问题类型（概念解释/代码示例/问题诊断） 2. **检索知识** - 搜索 resources/knowledge/ 目录 - 查找相关概念和术语 - 识别相关示例 3. **组织回答** - 按照逻辑结构组织 - 使用标题和段落 - 添加代码示例（如果适用） 4. **引用来源** - 引用原始文档 - 提供相关链接 ``` ### 4. 交互风格优化 **不好的示例**: ``` 友好回答。 ``` **好的示例**: ``` ## 交互风格 ### 回答原则 1. **准确性**: 基于知识库回答，不编造信息 2. **完整性**: 提供全面的回答 3. **实用性**: 提供可操作的建议 4. **专业性**: 使用专业术语，但要解释清楚 ### 语言风格 - **语气**: 专业但友好 - **详细程度**: 根据问题复杂度调整 - **示例使用**: 尽量提供代码示例 ### 特殊情况处理 - **不确定的问题**: 明确说明不确定性 - **超出范围**: 诚实说明，建议其他资源 - **复杂问题**: 分步骤解释 ``` ## 内容分析指南 ### 1. 逐文件分析方法 对每个文件进行深度分析： ```markdown ## 文件分析: {文件名} ### 基本信息 - **文件类型**: {PDF/Word/文本} - **文件大小**: {大小} - **内容主题**: {主题} ### 核心内容 - **主要观点**: {观点1, 观点2, ...} - **关键概念**: {概念1, 概念2, ...} - **重要结论**: {结论} ### 深度分析 - **逻辑结构**: {内容的逻辑结构} - **论证方法**: {使用的论证方法} - **创新观点**: {创新性的观点} - **局限性**: {内容的局限性} ### 关联分析 - **相关文件**: {与其他文件的关联} - **知识体系**: {在知识体系中的位置} - **应用场景**: {可能的应用场景} ``` ### 2. 知识整合方法 将分散的知识整合成结构化的体系： #### 概念体系 ``` 领域 ├── 主题1 │ ├── 概念1.1 │ ├── 概念1.2 │ └── 概念1.3 ├── 主题2 │ ├── 概念2.1 │ └── 概念2.2 └── 主题3 └── 概念3.1 ``` #### 知识图谱 ``` 概念A ──关系1──> 概念B │ │ └──关系2──> 概念C ──关系3──> 概念D ``` ### 3. 分析深度要求 #### 初级分析（必须） - 识别文件主题 - 提取关键概念 - 列出主要内容 #### 中级分析（建议） - 分析逻辑结构 - 识别论证方法 - 找出创新观点 #### 高级分析（可选） - 深度推理分析 - 跨文件关联分析 - 知识体系构建 ### 4. 分析输出格式 #### concepts.md 格式 ```markdown # 核心概念 ## 概念1: {概念名称} ### 定义 {详细定义} ### 来源 - 文件: {来源文件} - 页码: {页码} - 上下文: {上下文} ### 关联概念 - {关联概念1}: {关系描述} - {关联概念2}: {关系描述} ### 应用场景 - {场景1} - {场景2} ### 深度分析 {对概念的深度分析，包括背景、意义、局限性等} ``` #### glossary.md 格式 ```markdown # 术语表 | 术语 | 英文 | 定义 | 来源 | 相关术语 | |------|------|------|------|----------| | {术语} | {英文} | {定义} | {来源} | {相关术语} | ``` #### structure.md 格式 ```markdown # 知识结构 ## 领域概述 {领域的总体描述} ## 知识体系 ### 主题1: {主题名称} #### 核心概念 - {概念1} - {概念2} #### 知识层次 1. 基础层: {基础知识} 2. 应用层: {应用知识} 3. 高级层: {高级知识} ### 主题2: {主题名称} ... ## 学习路径 1. 第一步: {学习内容} 2. 第二步: {学习内容} 3. 第三步: {学习内容} ## 重点难点