mirror of https://git.openapi.site/https://github.com/desirecore/market.git synced 2026-02-28 13:17:55 +08:00

Files

yi-ge 386c1c2e43 feat: create-agent / update-agent v2.2.0 — 结构化 L0/L1/L2 API 输入

- create-agent: API 改为结构化 PersonaInput/PrinciplesInput JSON 输入
- create-agent: 用户确认预览从原始 markdown 改为表格形式
- create-agent: 支持最简创建（仅 name），自动补全所有默认值
- update-agent: 新增结构化 GET/PUT persona/principles 端点说明

2026-02-28 10:12:53 +08:00

11 KiB

Raw Blame History

name, description, version, type, risk_level, status, disable-model-invocation, tags, metadata, market

name

description

version

type

risk_level

status

disable-model-invocation

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）

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

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

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)：

{
  "agentId": "fa-lv-gu-wen-xiao-zhu-shou"
}

验证创建结果：创建成功后可调用 GET /api/agents/{agentId} 确认（agentId 为 slug）。

阶段 6：回执生成

回执报告：

创建成功后，以自然可读格式呈现回执：

智能体 "法律顾问小助手" 创建成功

详情：

Agent Slug: fa-lv-gu-wen-xiao-zhu-shou

仓库路径: ~/.desirecore/agents/fa-lv-gu-wen-xiao-zhu-shou

已生成文件: agent.json, persona.md, principles.md

AgentFS 规范: v2（扁平结构）

下一步建议：

为它添加技能（通过 update-agent 技能）

直接开始对话

AgentFS 知识（创建后的仓库结构）

DesireCore 应理解创建后的 Agent 仓库遵循 AgentFS v2 扁平结构：

<agent_id>/
├── agent.json          # 入口配置（name, version, description, engine, skills, tools, mcp_servers）
├── persona.md          # 人格定义（L0 核心身份 / L1 行为风格 / L2 深层动机）
├── principles.md       # 行为原则（L0 基础约束 / L1 行为边界 / L2 治理原则）
├── memory/             # 记忆目录（timeline/topics/pinned/product/lessons）
│   └── _index.md
├── skills/             # 技能目录
│   └── _index.md
├── tools/              # 工具目录
│   └── _index.md
└── heartbeat/          # 心跳配置
    └── HEARTBEAT.md

关键文件职责：

文件	职责	AI Agent 关注点
`agent.json`	Agent 元数据与运行时配置	engine 字段决定使用哪个推理引擎
`persona.md`	人格与沟通风格定义	L0 不可自动修改（受保护路径）
`principles.md`	行为规则与安全红线	"绝不做" section 不可自动修改
`memory/`	对话记忆、知识积累	随交互自动积累
`skills/`	Agent 拥有的技能	可通过 update-agent 添加
`tools/`	Agent 可用的工具	MCP Server、脚本工具等

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

11 KiB Raw Blame History Unescape Escape