Agents Best Practices 智能体架构技能
为任何领域设计、生成、审计智能体 harness 的中立参考：模型提议行动，运行时负责验证、授权与执行。
该技能为纯知识型（markdown-only），不执行代码、不请求权限、无外部副作用。它本身还系统性地倡导最小权限、草稿/提交分离、审批门槛、发现不授权等安全原则，并在公共看板场景中强制披露与发布审批。扣分点：无第三方安全审计或来源归属验证，发布者身份未经注册表核实，README 中推荐的外部站点（getpostingboard.dev）未经独立验证。
SKILL.md 内部自洽：触发规则、模式划分、参考文件映射、输出模板互相一致，且明确告知哪些文件默认不加载。扣分点：所有 references/*.md 文件未在本次评审中提供，无法静态核实引用路径与内容一致性；无测试、无错误路径示例，静态校准上限为 10，未执行验证故不高于 9。
触发条件极其详尽：列出激活意图清单与明确的非适用范围（普通单轮写作/翻译/问答），受众与场景覆盖多个行业，MVP Builder Mode 边界清晰。扣分点：内容为纯英文，无中文支持说明；核心价值依赖大量海外文档链接（OpenAI/Anthropic），对中国大陆网络可达性未作说明或替代方案。
文档分层良好（SKILL.md 入口 + 渐进式参考文件），含版本号 1.7.0、MIT 许可证、安装说明、目录结构、来源链接与 coverage-audit 自查文件。扣分点：无 changelog、无明确维护责任人声明或更新路径，发布者身份未验证，版本治理仅为元数据声明。
声称以可直接套用的 MVP 蓝图模板和结构化答案格式交付价值，模板具体且可用，相对泛泛建议有明确增量。扣分点：静态评审无法验证实际输出的正确性或完整性；README 中的示例对话为作者自拟而非已验证的运行记录，核心价值主张依赖未提供的参考文件质量。
附有官方规范与厂商文档链接、coverage-audit 文件及对 Prime Agent 具体实现的修订版固定引用，主张基本可溯源。扣分点：静态上限为 5；无测试套件或第三方执行证据，事实与推断的区分部分依赖作者的自行综合，独立可复现性有限。
- 纯静态评审，未执行任何验证；references/ 目录内容未随评审提供，引用完整性未知。
- 技能内容为纯英文，无中文支持；核心延伸阅读依赖 OpenAI/Anthropic 等海外站点，中国大陆用户可达性需自行确认。
- 发布者身份未经注册表核实，建议使用前检查仓库最新提交与 issue 动态。
- README 推荐的外部服务 Get Posting Board 为第三方站点，使用其 API 前应独立评估其安全与合规性。
- 示例对话为作者构造的演示，非已验证的真实运行记录，实际输出质量可能不同。
这个 Skill 能做什么，适合哪些场景？
这是一个供应商中立的 Agent Skill，面向设计、生成 MVP 蓝图、审计、重构和讲解智能体 harness 的场景。它覆盖 OpenAI、Anthropic 及 OpenAI 兼容 API 上的通用架构：智能体循环、工具设计、权限、上下文压缩、记忆、规划、MCP 连接器、可观测性与评估。技能明确声明不限于编程智能体，同样适用于研究、金融、法务、客服、运营等领域。内容由 SKILL.md 入口加 17 个参考文档组成，纯 Markdown，无脚本依赖。
SKILL.md 作为入口，先让智能体识别用户的六维设计问题（领域、自治级别、风险级别、状态时长、工具面、完成判据），再按需加载对应参考文档而非全部。当用户要求构建某领域智能体时，默认进入 MVP Builder 模式，按内置模板产出具体的 harness 蓝图（目标、循环、工具注册表、权限矩阵、上下文/记忆、安全、评估、上线路径）。还提供环境自适应工具、递归/持续 harness、推测性工具执行三种高级模式，以及审计、检查清单和官方文档链接。
- 后端工程师要为一个新领域（如账户续约风控）搭建最小可上线的智能体，需要具体的 MVP 蓝图而非泛泛原则。
- 团队已有运行中的智能体，但出现循环失控、压缩丢失审批状态等问题，需要按运行时层面定位并修复。
- 平台工程师要为运维智能体设计 Slack、内部 API 等工具的窄接口和审批权限，避免暴露宽泛的危险工具。
- 架构师在 OpenAI、Anthropic 与兼容 API 之间选型，需要供应商中立的实现模式对照。
- 负责人在上线前评估智能体的提示注入防护、缓存命中率、成本与评估策略。
这个 Skill 有哪些优点和局限？
- 供应商中立，明确覆盖 OpenAI、Anthropic 与 OpenAI 兼容 API 模式。
- 立场清晰且可执行：模型不直接执行动作、每次工具调用必有结果、风险分级审批、草拟与提交分离等原则贯穿全文。
- 提供 17 个主题化参考文档加检查清单，从 MVP 蓝图到评估策略覆盖完整生命周期。
- 纯 Markdown、MIT 许可、无脚本或外部依赖，安装和移植成本低。
- 仓库未提供测试套件或评估结果来验证这些实践本身的有效性。
- 不含可执行代码——全部是指南文本，落地实现仍需自行编写。
- 高级模式（推测性执行、递归 harness）为实验性，作者自己也要求先建立单循环基线。
- 除了官方文档链接外，缺少真实生产案例的量化数据支持。
如何安装这个 Skill？
三种方式（均来自 README）：A. 运行 npx skills add DenisSergeevitch/agents-best-practices -g（-g 为用户级全局安装）；B. 让你的智能体把仓库克隆到其技能目录（Codex 为 ~/.codex/skills/，Claude Code 为 ~/.claude/skills/，项目级为 .claude/skills/），并确认 SKILL.md、icon.jpeg 和 references/ 目录存在；C. 手动 mkdir 后 git clone 到上述路径。
如何使用这个 Skill？
安装后当对话涉及智能体架构、harness 设计、工具权限、规划模式、工作流编排、上下文与记忆、技能与连接器、可观测性、评估或提示缓存时，技能会自动触发。直接提问即可，例如：「为一个研究智能体做 harness 审计：它有时无限运行工具，压缩后忘记决策原因。」要求构建智能体时会自动进入 MVP 蓝图模式。