What is agent-creator?

This Claude skill is a comprehensive automation suite designed for the end-to-end creation, configuration, and deployment of high-quality AI Agents. It streamlines the development process by providing structured frameworks for defining agent identities, crafting optimized System Prompts, planning tool integrations, and orchestrating complex workflows. By implementing industry-standard patterns like ReAct and Plan-and-Execute, it helps users build robust, task-oriented, and multi-agent systems with built-in safety guardrails and evaluation metrics.

When should I use agent-creator?

agent-creator is useful in the following scenarios: • Case 1: Designing specialized Conversational Agents for customer support that require specific personas, tone-of-voice constraints, and strict safety boundaries. • Case 2: Building Task-oriented Agents for automated data processing or software engineering tasks using ReAct (Reasoning + Acting) patterns and custom tool schemas. • Case 3: Orchestrating Multi-Agent collaboration workflows where different agents handle distinct roles like research, drafting, and quality assurance to complete complex projects. • Case 4: Rapidly prototyping Research Agents that automate information gathering, fact-checking, and structured report generation based on predefined templates.

name	agent-creator
description	AI Agent 自动化创建工具。当用户需要设计、创建、配置 AI Agent，包括定义 Agent 角色、设计 System Prompt、规划工具集、编排工作流程时使用此技能。支持对话型、任务型、研究型、多Agent协作等多种架构。

Agent Creator

自动化创建高质量 AI Agent 的完整指南和工具集。

Agent 核心组成

一个完整的 Agent 包含以下要素：

组件	作用	必需
Identity	角色定位、能力边界	✅
System Prompt	行为指令、输出规范	✅
Tools	可调用的工具/API	⚡
Memory	上下文管理策略	⚡
Workflow	决策逻辑、状态流转	⚡
Guardrails	安全边界、错误处理	✅

⚡ = 根据 Agent 类型决定

Agent 类型速查

类型	特点	适用场景
Conversational	多轮对话、上下文理解	客服、助手、咨询
Task	目标驱动、自主执行	自动化、数据处理
Research	信息收集、分析综合	调研、报告生成
Multi-Agent	角色分工、协作完成	复杂任务、模拟

详细模板见 templates/ 目录。

创建工作流

Phase 1: 需求定义

1. 明确 Agent 要解决的核心问题
2. 确定目标用户和使用场景
3. 列出成功标准和约束条件

关键问题清单：

Agent 的主要职责是什么？
用户会如何与它交互？
它需要访问哪些数据/系统？
有哪些绝对不能做的事？
如何衡量它的表现？

Phase 2: 角色设计

1. 定义 Agent 身份和人设
2. 明确能力范围和边界
3. 设定交互风格和语气

Identity 模板：

你是 [角色名称]，一个专注于 [领域] 的 AI 助手。

##核心能力
- [能力1]
- [能力2]

## 边界
- 你可以：[允许的行为]
- 你不能：[禁止的行为]

Phase 3: 工具规划

1. 列出完成任务所需的工具
2. 定义每个工具的 schema
3. 设计工具调用的决策逻辑

工具定义规范见 references/tool-schema.md

Phase 4: Prompt 工程

1. 编写 System Prompt
2. 设计输出格式规范
3. 添加 few-shot 示例

Prompt 结构：

[Identity] - 角色定义
[Context] - 背景信息
[Instructions] - 行为指令
[Constraints] - 约束条件
[Output Format] - 输出规范
[Examples] - 示例（可选）

Phase 5: 安全设计

1. 定义输入验证规则
2. 设置输出过滤机制
3. 配置错误处理策略
4. 添加人工介入触发条件

Phase 6: 测试验证

1. 正常场景测试
2. 边界条件测试
3. 对抗性测试
4. 性能压力测试

System Prompt 设计原则

1. 清晰具体

❌ 你是一个有帮助的助手
✅ 你是一个专业的代码审查助手，专注于 Python 代码的安全性和性能优化

2. 结构化指令

❌ 帮用户写代码，要写得好一点
✅ 当用户请求代码帮助时：1. 先理解需求，必要时提问澄清
   2. 提供带注释的完整代码
   3. 解释关键实现决策
   4. 指出潜在的边界情况

3. 明确边界

✅ 你只处理与[领域] 相关的问题。对于超出范围的请求，礼貌说明并建议合适的资源。

4. 输出格式化

✅ 响应格式：
   - 简短问题：直接回答，不超过3句
   - 复杂问题：使用标题分段，包含示例
   - 代码请求：使用代码块，添加语言标识

常见架构模式

ReAct (Reasoning + Acting)

思考 → 行动 → 观察 → 思考 → ...

适用：需要多步推理和工具调用的任务

Plan-and-Execute

规划完整步骤 → 逐步执行 → 验证结果

适用：复杂任务分解、项目规划

Router Pattern

分析请求 → 路由到专门处理器 → 返回结果

适用：多功能 Agent、意图分类

Reflection Pattern

生成输出 → 自我评估 → 改进 → 最终输出

适用：高质量内容生成、代码优化

快速开始

创建简单 Agent

# 最小可用 Agent 配置
agent_config = {
    "name": "my-agent",
    "system_prompt": """
你是一个专业的 [领域] 助手。

## 职责
- [主要职责]

## 约束
- [关键约束]
""",
    "tools": [],# 按需添加
    "temperature": 0.7
}

使用模板

根据需求选择合适的模板：

templates/conversational-agent.md - 对话型
templates/task-agent.md - 任务型
templates/research-agent.md - 研究型
templates/multi-agent.md - 多Agent协作

检查清单

创建 Agent 前确认：

明确定义了 Agent 的核心职责
System Prompt 结构清晰、指令具体
工具定义完整、schema 规范
设置了适当的安全边界
定义了错误处理策略
准备了测试用例
考虑了边界情况和对抗场景

参考资源

templates/ - Agent 类型模板
references/tool-schema.md - 工具定义规范
references/prompt-patterns.md - Prompt 设计模式

agent-creator

When & Why to Use This Skill

Use Cases