market/skills/create-agent/SKILL.zh-CN.md

create-agent 技能

L0：一句话摘要

通过自然语言对话收集需求，调用 HTTP API 创建专业化的数字智能体。

L1：概述与使用场景

能力描述

create-agent 是一个元技能（Meta-Skill），赋予 DesireCore 创建其他 Agent 的能力。它通过多轮对话收集用户需求，生成 persona 和 principles 内容，调用 POST /api/agents 完成创建。

使用场景

• 用户想要一个专业领域的数字助手（如法律顾问、财务分析师）
• 企业需要快速部署定制化的业务 Agent
• 开发者需要基于模板快速创建 Agent 原型

核心价值

• 降低门槛：无需编程知识，用对话就能创建 Agent
• 专业化：根据领域模板生成合适的 persona 和 principles
• 可治理：创建的仓库符合 AgentFS v2 规范，支持版本管理

L2：详细规范

对话流程

┌──────────────┐     ┌──────────────┐     ┌──────────────┐
│   意图识别    │ ──→ │   需求收集    │ ──→ │   内容生成    │
└──────────────┘     └──────────────┘     └──────────────┘
                                                  │
                                                  ↓
┌──────────────┐     ┌──────────────┐     ┌──────────────┐
│   回执生成    │ ←── │   API 创建   │ ←── │   用户确认    │
└──────────────┘     └──────────────┘     └──────────────┘

阶段 1：意图识别

触发条件（任一满足）：

• 用户明确说"创建一个 Agent"或"帮我做一个助手"
• 用户描述需要某领域的专业帮助，且当前 Agent 不具备该能力
• 用户询问"能不能帮我培养一个..."

输出：确认用户的创建意图，进入需求收集阶段。

阶段 2：需求收集

必填信息：

字段	说明	引导问题示例
name	智能体名称	"你想给这个智能体起什么名字？"
role	核心职责	"它主要负责什么工作？"
target_users	目标用户	"谁会使用这个智能体？"
domain	专业领域	"它需要哪些专业知识？"

选填信息：

字段	说明	默认值
style	沟通风格	根据领域模板决定
boundaries	禁区/红线	根据领域模板决定
language	主要语言	中文

收集策略：

• 优先通过用户的自然描述推断信息
• 仅追问用户未提及的必填项
• 每轮最多追问 2 个问题

阶段 3：内容生成

根据收集的需求，组装结构化的 persona 和 principles 数据。不要输出原始 markdown，而是按字段整理后向用户展示。

Persona 字段（所有字段均可选，未收集到的由系统自动补全）：

层级	字段	说明
L0	—	一句话核心身份
L1	role	角色定位
L1	personality	性格特征标签
L1	communication_style	沟通风格
L2	—	专业领域、核心价值观、决策偏好等（free-form）

Principles 字段（同样全部可选）：

层级	字段	说明
L0	—	一句话最高原则
L1	must_do	必须做的事项
L1	must_not	绝不做的事项（安全红线）
L1	priority	优先级排序
L2	—	治理原则、升级规则等（free-form）

领域匹配参考：

领域关键词	推荐 personality	默认 must_not
法律、合同、法务	专业、严谨、审慎	不提供诉讼代理、不替代正式法律意见
财务、会计、投资	精确、分析性、保守	不提供投资建议、不处理真实交易
代码、开发、架构	逻辑、务实、直接	不直接访问生产环境、不存储凭证
通用/其他	友好、有帮助	通用安全规范

阶段 4：用户确认

向用户展示预览时，以自然语言/表格形式呈现各字段，不要展示原始 markdown 源码：

即将创建智能体：

名称：法律顾问小助手 描述：专注于合同审查和法律风险评估的数字智能体

---

人格设定

字段	内容
核心身份	你是法律顾问小助手，专注于合同审查和法律风险评估
角色定位	专注于合同审查和法律风险评估的数字法律顾问
性格特征	专业、严谨、审慎
沟通风格	准确使用法律术语，同时提供通俗解释

行为原则

字段	内容
最高原则	以用户利益为最高优先级，不替代正式法律意见
必须做	准确引用法律条文、标注不确定性、建议咨询专业律师
绝不做	提供诉讼代理、替代正式法律意见、泄露用户咨询内容
优先级	用户安全 > 准确性 > 效率

---

确认创建？（确认 / 修改 / 取消）

"修改"分支处理：

用户选择"修改"时：

1. 询问用户要修改哪个字段（如"想修改哪一项？"）
2. 用户指出要修改的字段（如"性格特征改成更活泼的"）
3. Agent 重新收集该字段内容
4. 更新预览中的对应字段
5. 再次展示完整预览 → 重新进入确认流程

阶段 5：调用 API 创建

API 端点：POST /api/agents

请求体（结构化格式）：

{
  "name": "法律顾问小助手",
  "description": "专注于合同审查和法律风险评估的数字智能体",
  "persona": {
    "L0": "你是法律顾问小助手，专注于合同审查和法律风险评估的数字智能体。",
    "L1": {
      "role": "专注于合同审查和法律风险评估的数字法律顾问",
      "personality": ["专业", "严谨", "审慎"],
      "communication_style": "准确使用法律术语，同时提供通俗解释"
    }
  },
  "principles": {
    "L0": "以用户利益为最高优先级，不替代正式法律意见。",
    "L1": {
      "must_do": ["准确引用法律条文", "标注不确定性", "建议咨询专业律师"],
      "must_not": ["提供诉讼代理", "替代正式法律意见", "泄露用户法律咨询内容"],
      "priority": "用户安全 > 准确性 > 效率"
    }
  }
}

最简创建（只需 name，其余全部自动生成）：

{ "name": "我的助手" }

基础创建（name + description，description 自动填充 persona L0）：

{ "name": "法律顾问", "description": "专注合同审查" }

所有未提供的字段由系统自动补全为合理默认值。persona 和 principles 也支持传入原始 markdown 字符串（向后兼容）。

可选：如需指定 slug ID，可根据 name 生成合理的 kebab-case slug（如 "法律顾问" → "legal-advisor"），在请求体中附带 "id": "<slug>"。不指定时系统会自动从 name 生成。

成功响应 (201 Created)：

{
  "success": true,
  "agentId": "fa-lv-gu-wen-xiao-zhu-shou",
  "agent": {
    "id": "fa-lv-gu-wen-xiao-zhu-shou",
    "name": "法律顾问小助手",
    "description": "专注于合同审查和法律风险评估的数字智能体",
    "skillsCount": 0,
    "toolsCount": 0,
    "status": "offline"
  }
}

响应中的 agent 字段包含创建后的智能体完整信息，可直接用于回执展示。

阶段 6：回执生成

回执报告：

创建成功后，以用户友好的方式呈现回执（不要暴露内部路径或技术细节）：

智能体「法律顾问小助手」已创建成功！

下一步你可以：

• 直接开始对话
• 为它添加技能，让它更强大
• 调整它的性格或行为规则

背景知识

AgentFS 仓库结构、排查要点与受保护路径详见 _agentfs-background.md 和 _protected-paths.yaml。

错误处理

错误码	场景	处理方式
400	缺少 name 或 ID 格式无效	提示用户检查输入
409	Agent ID 已存在	建议使用其他名称
500	服务器内部错误	提示用户稍后再试

权限要求

• 建议优先通过 Bash 工具调用 curl 访问 Agent Service HTTP API 完成操作
• API 基础地址已注入到 system prompt 的「本机 API」小节，直接引用即可
• 创建操作需要用户确认

依赖

• Agent Service HTTP API（POST /api/agents）
• System prompt 中的本机 API 地址声明