菜单
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。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/aaione/everything-claude-code-zh --skill agent-architecture-audit命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
基于 SOC 职业分类
正在显示 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