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

discover-agent 技能

L0：一句话摘要

根据用户需求描述，在已注册的智能体中匹配并推荐最合适的 Agent。

L1：概述与使用场景

能力描述

discover-agent 是一个流程型技能（Procedural Skill），赋予 DesireCore 为用户发现和推荐合适智能体的能力。它通过理解用户需求描述，在已注册的 Agent 列表中进行多维度匹配，展示候选列表供用户选择。

使用场景

• 用户描述了一个需求，但不知道该找哪个智能体帮忙
• 用户想浏览当前可用的智能体及其能力
• 用户需要为特定任务找到最合适的专业助手
• 新用户初次使用系统，需要了解有哪些智能体可用

核心价值

• 降低门槛：用户无需记住每个智能体的名称和能力
• 精准匹配：基于需求语义进行智能推荐，而非简单关键词搜索
• 流畅衔接：无匹配时自动建议创建新 Agent（衔接 create-agent 技能）

L2：详细规范

执行流程

┌──────────────┐     ┌──────────────┐     ┌──────────────┐
│   需求理解    │ ──→ │   Agent 检索  │ ──→ │   匹配评分    │
└──────────────┘     └──────────────┘     └──────────────┘
                                                  │
                                                  ↓
┌──────────────┐     ┌──────────────┐     ┌──────────────┐
│   引导选择    │ ←── │   结果展示    │ ←── │   候选排序    │
└──────────────┘     └──────────────┘     └──────────────┘

阶段 1：需求理解

触发条件（任一满足）：

• 用户说"帮我找一个..."、"有没有..."、"谁能帮我..."
• 用户描述了一个任务但未指定具体智能体
• 用户说"有哪些智能体"、"看看都有谁"
• 系统检测到用户需求与当前 Agent 能力不匹配

需求解析：

从用户描述中提取以下维度：

维度	说明	示例
domain	专业领域	法律、财务、技术、教育
task_type	任务类型	咨询、审查、分析、创作
keywords	关键词	合同、报表、代码、论文
urgency	紧急程度	日常 / 紧急

阶段 2：Agent 检索

数据源：调用 GET /api/agents 获取所有已注册的智能体列表。

API 调用：

GET /api/agents

返回数据中的关键字段：

• id — 智能体唯一标识
• name — 智能体名称
• description — 智能体描述
• skills — 技能列表
• status — 当前状态（online/offline/busy）

过滤规则：

• 默认只展示 status: online 或 status: offline 的智能体
• 排除系统内部智能体（如 DesireCore 自身，除非用户显式要求）

阶段 3：匹配评估

根据以下维度综合判断匹配度（使用 LLM 语义理解，非公式计算）：

维度	说明
描述相关性	智能体 description / persona 与用户需求的语义相关度
技能匹配度	智能体拥有的 skills 与任务类型的关联度
领域契合度	智能体专业领域与用户需求领域的契合程度
状态可用性	智能体当前状态（online 优先于 offline）

展示规则：

• 高度匹配（明确适合该任务）→ 标为"推荐"
• 部分匹配（可能有帮助）→ 标为"可能相关"
• 无明显关联 → 不展示

阶段 4：候选排序

排序规则：

1. 按综合得分降序排列
2. 同分时 online 状态优先
3. 最多展示 5 个候选

阶段 5：结果展示

有匹配结果时：

根据你的需求，我推荐以下智能体：

┌─────────────────────────────────────────────────────┐
│ 1. 法律顾问助手                          匹配度: 92% │
│    专注合同审查和法律风险评估                          │
│    技能：合同审查、风险评估、法律研究                   │
│    状态：在线                                        │
├─────────────────────────────────────────────────────┤
│ 2. AI 文书助手                           匹配度: 71% │
│    专业文书撰写和格式优化                              │
│    技能：文书撰写、格式排版、合规检查                   │
│    状态：在线                                        │
├─────────────────────────────────────────────────────┤
│ 3. 数据分析师                            匹配度: 45% │
│    数据分析和可视化报告                                │
│    技能：数据分析、报表生成、趋势预测                   │
│    状态：离线                                        │
└─────────────────────────────────────────────────────┘

请选择一个智能体，或告诉我更具体的需求。

无匹配结果时：

目前没有找到完全匹配你需求的智能体。

你可以：
1. 用更具体的描述再试一次
2. 创建一个新的专业智能体（我可以帮你）
3. 浏览所有可用的智能体

你想怎么做？

浏览模式（用户要求查看所有）：

当前可用的智能体：

在线：
  - 法律顾问助手 — 合同审查和法律风险评估
  - AI 文书助手 — 专业文书撰写和格式优化

离线：
  - 数据分析师 — 数据分析和可视化报告
  - 翻译助手 — 多语言翻译和本地化

共 4 个智能体。需要了解某个智能体的详细信息吗？

阶段 6：引导选择

用户选择后的操作：

用户选择	后续操作
选择了某个智能体	切换到该智能体的对话，传递用户需求上下文
要求了解更多	调用 GET /api/agents/:id 获取详情，展示结构化信息（见下方）
不满意候选	引导用户细化需求或建议创建新 Agent
选择"创建新的"	调用 create-agent 技能，传递已收集的需求信息

"了解更多"的实现：

调用 GET /api/agents/:id 获取详情，并可选调用结构化端点获取人格/规则：

# 获取基本信息
GET /api/agents/{agentId}
# 返回: { id, name, description, skillsCount, toolsCount, status, config, persona, principles }

# 获取结构化 persona（可选，用于展示更丰富的信息）
GET /api/agents/{agentId}/persona
# 返回: { L0, L1: { role, personality, communication_style }, L2 }

向用户展示时，以自然语言/表格形式呈现关键信息：

「法律顾问助手」详细信息

| 字段 | 内容 |
|------|------|
| 角色定位 | 专注合同审查和法律风险评估 |
| 性格特征 | 专业、严谨、审慎 |
| 技能数量 | 3 个 |
| 当前状态 | 在线 |

需要与这个智能体对话吗？

切换上下文传递：

context_handoff:
  source_agent: desirecore
  target_agent: legal-assistant
  user_intent: '帮我审查这份合同的风险点'

与其他技能的协作

协作技能	协作方式
create-agent	无匹配时建议创建新 Agent，传递用户需求作为初始信息
task-management	匹配成功后可自动创建任务并分配给目标 Agent

错误处理

错误场景	处理方式
API 调用失败	提示网络错误，建议稍后重试
Agent 列表为空	引导用户创建第一个智能体
用户描述过于模糊	追问具体需求，提供领域选项引导
推荐的 Agent 状态异常	标注状态，建议选择其他在线 Agent

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
• 只读操作，无风险

依赖

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