Remove signs of AI-generated writing from text. Use when editing or reviewing text to make it sound more natural and human-written. Based on Wikipedia's comprehensive "Signs of AI writing" guide. Detects and fixes patterns including: inflated symbolism, promotional language, superficial -ing analyses, vague attributions, em dash overuse, rule of three, AI vocabulary words, negative parallelisms, and excessive conjunctive phrases.

2026-03-29747

ima-knowledge-base

countbot-ai/CountBot

通过 IMA OpenAPI 处理知识库任务。支持知识库内容搜索、命中详情查看、条目浏览、列出知识库、上传文件、导入网页。用户提到知识库、资料库、上传到知识库、导入网页、搜知识库时使用。

2026-03-29747

ima-notes

countbot-ai/CountBot

通过 IMA OpenAPI 处理笔记任务。支持搜索笔记、读取笔记、列出笔记、新建笔记、追加笔记。用户提到笔记、备忘录、记一下、追加到某篇笔记时使用。

2026-03-29747

cron-manager

countbot-ai/CountBot

定时任务管理。创建、查看、修改、删除定时任务，管理任务会话数据。当用户需要设置提醒、定时执行任务、管理调度计划时使用。

2026-03-23747

agent-browser

countbot-ai/CountBot

Browser automation CLI for AI agents. Use when the user needs to interact with websites, including navigating pages, filling forms, clicking buttons, taking screenshots, extracting data, testing web apps, or automating any browser task. Triggers include requests to "open a website", "fill out a form", "click a button", "take a screenshot", "scrape data from a page", "test this web app", "login to a site", "automate browser actions", or any task requiring programmatic web interaction.

2026-03-04747

name	agent-team-manager
description	多智能体团队管理。创建、查看、修改、删除 CountBot 的多智能体团队，管理团队成员（角色）和团队级自定义模型配置。当用户要新建 Pipeline/Graph/Council 团队、调整成员分工、修改依赖关系、开关技能系统、设置团队专属模型时使用。
version	1.0.0
always	false

多智能体团队管理

通过命令行管理 CountBot 的多智能体团队，覆盖团队 CRUD、成员 CRUD、以及团队级模型配置。

使用场景

用户说“帮我新建一个多智能体团队” -> 创建团队
用户说“做一个文档深度分析团队” -> 按模板创建团队
用户说“把这个团队改成依赖图模式” -> 修改团队
用户说“给团队加一个审稿角色” -> 添加成员
用户说“把 analyzer 的任务改一下” -> 修改成员
用户说“把这个角色的提示词优化一下” -> 先看当前成员配置，再修改 task 和/或 system_prompt
用户说“删掉 summarizer 这个角色” -> 删除成员
用户说“给这个团队单独配置模型” -> 配置团队自定义模型
用户说“看看有哪些团队/成员” -> 列表或详情

调用方式

所有操作通过 exec 工具执行：

python3 skills/agent-team-manager/scripts/agent_team_manager.py <command> [args]

严格语法

只有这些一级命令：list、info、template-list、create、update、delete、member-list、member-add、member-update、member-delete、config、config-set、config-reset
info / member-list / update / config-set 的团队参数都是位置参数，不支持 --team
member-update 的成员参数是第二个位置参数 member_ref，不支持 --id
开关技能系统要用团队命令 update "团队名" --enable-skills 或 --disable-skills
先看 --help，再按帮助里的位置参数顺序执行；不要自行发明子命令或参数名

常用命令

列出团队

python3 skills/agent-team-manager/scripts/agent_team_manager.py list

查看团队详情

team_ref 支持团队名称、完整 ID、ID 前缀。

python3 skills/agent-team-manager/scripts/agent_team_manager.py info "文档深度分析"

创建团队

# 创建空团队，后续再逐个添加成员
python3 skills/agent-team-manager/scripts/agent_team_manager.py create \
  --name "文档深度分析" \
  --description "理解文档 → 提取要点 → 分析问题 → 生成总结报告" \
  --mode pipeline \
  --enable-skills

# 直接按内置模板创建
python3 skills/agent-team-manager/scripts/agent_team_manager.py create \
  --template document-analysis

修改团队

python3 skills/agent-team-manager/scripts/agent_team_manager.py update "文档深度分析" \
  --mode graph \
  --description "先并行抽取，再汇总结论" \
  --active

python3 skills/agent-team-manager/scripts/agent_team_manager.py update "文档深度分析" \
  --disable-skills

删除团队

python3 skills/agent-team-manager/scripts/agent_team_manager.py delete "文档深度分析"

成员管理

列出成员

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-list "文档深度分析"

添加成员

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-add "文档深度分析" \
  --id reader \
  --role "文档理解专家" \
  --task "通读文档，理解整体结构和核心内容" \
  --system-prompt "你是文档理解专家，先识别文档结构，再提炼核心主题。"

Graph 模式可附带依赖与条件：

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-add "代码检查团队" \
  --id refactor \
  --role "重构建议专家" \
  --task "基于前序检查结果给出重构建议" \
  --depends-on syntax-checker,logic-analyzer \
  --condition-type output_contains \
  --condition-node logic-analyzer \
  --condition-text 严重

Council 模式建议填写 --perspective：

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-add "投资评审会" \
  --id risk \
  --role "风险分析师" \
  --perspective "风险与合规"

修改成员

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-update "文档深度分析" analyzer \
  --task "重点分析论证链、信息缺口和潜在偏见" \
  --system-prompt "你是批判性分析专家，输出问题、证据和风险。"

修改现有角色提示词（强约束）

凡是用户表达以下意图，统一按“修改现有角色提示词”处理：

优化角色提示词
改 prompt / 改系统提示词
调整角色设定、语气、边界、输出要求
让某个成员“更专业 / 更严格 / 更像某类专家”

强制执行顺序如下。

1. 先读取当前真实配置，不允许凭印象修改

python3 skills/agent-team-manager/scripts/agent_team_manager.py info "文档深度分析"

必须先看目标成员当前是否存在 task、system_prompt，再决定修改哪个字段。禁止在未读取当前配置前直接生成 member-update 命令。

2. 字段归属判定规则

若目标成员只有 task，没有 system_prompt
说明该团队把提示词主体直接存放在 task
此时用户说“改提示词”，默认优先修改 --task
若目标成员已有 system_prompt
涉及角色人格、专家身份、口吻、原则、边界、长期行为约束时，优先修改 --system-prompt
涉及具体工作内容、执行步骤、输出结构、交付格式、检查项时，优先修改 --task
若当前 task 本身是一整段提示词式文本，且用户想做系统化重构，应同时修改 --task 与 --system-prompt

3. 执行规范

修改必须落库，最终动作一定是执行 member-update
member-update 的正确形式是： python3 skills/agent-team-manager/scripts/agent_team_manager.py member-update "团队名" 成员ID [flags]
成员标识使用位置参数 member_ref，不要写成 --id
修改完成后，建议再次执行 info "团队名" 复核结果
如果用户要求“修改提示词”，但当前配置里只有 task，不要只改 system_prompt
如果用户要求“系统提示词更专业”，但旧的长提示还残留在 task 中，应判断是否需要同步精简 task

示例：当前成员只有 task，没有 system_prompt

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-update "小红书文案团队" reviewer \
  --task "审核小红书文案，检查敏感词、风格统一、内容完整、平台规范和可读性；输出审核结论、修改建议、最终发布版与发布提醒。"

示例：明确修改系统提示词

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-update "小红书文案团队" reviewer \
  --system-prompt "你是严格的小红书内容审核专家，优先识别违规风险和夸大表达，输出结论必须清晰、克制、可执行。"

示例：把旧的提示词式 task 拆成“任务 + 系统提示词”

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-update "小红书文案团队" reviewer \
  --task "审核小红书文案并输出审核结论、修改建议、最终发布版与发布提醒。" \
  --system-prompt "你是严格的小红书内容审核专家，重点检查敏感词、极限词、医疗宣称、风格统一、内容完整和平台规范。"

4. 专业处理原则

目标是“修改有效配置”，不是“输出一段看起来更好的文案”
先识别现有数据结构，再决定改哪个字段
以最小必要修改为原则，避免只新增字段而保留旧冲突内容
若用户未指定字段名，“提示词”一词要结合当前存储结构解释，不得机械等同于 system_prompt

删除成员

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-delete "文档深度分析" summarizer

团队模型配置

查看当前配置

python3 skills/agent-team-manager/scripts/agent_team_manager.py config "文档深度分析"

设置自定义模型

python3 skills/agent-team-manager/scripts/agent_team_manager.py config-set "文档深度分析" \
  --provider zhipu \
  --model glm-5 \
  --temperature 0.5 \
  --max-tokens 8192

重置为全局默认

python3 skills/agent-team-manager/scripts/agent_team_manager.py config-reset "文档深度分析"

参数说明

mode 仅支持 pipeline、graph、council
--enable-skills 开启后，子 Agent 可读取并使用 skills/*
--cross-review / --no-cross-review 仅对 council 模式有意义
depends_on 仅对 graph 模式有意义
perspective 主要用于 council 模式
task 会作为执行阶段的 # Your Task 传给子 Agent，是实际任务说明
system_prompt 是角色长期人格/职责设定
如果 system_prompt 为空，系统会基于 role + task 自动生成默认系统提示词
如果 system_prompt 有值，会直接作为系统消息使用；但 task 仍然会继续传入执行提示中
因此：已有成员只有 task 时，优先更新 task；需要稳定角色口吻/边界时，再补或修改 system_prompt
很多历史团队把整段“提示词式描述”直接写进了 task，这不是脚本失效，而是数据本来就这样存的
所以“提示词改了没生效”时，优先检查是不是旧提示还躺在 task 里

内置模板

当前内置：

document-analysis：文档深度分析，pipeline 模式，默认开启技能系统

注意事项

团队名称必须唯一
成员 ID 在同一团队内必须唯一
修改成员本质上会读取团队详情后整体回写 agents
如果团队启用了专属模型，执行 workflow_run(team_name="团队名", goal="...") 时会自动继承该模型配置
如果 CountBot 后端未启动，脚本会直接报连接失败