← 返回
未分类

Agent-Minimalism

使用场景:设计、评审或优化 Agent 工作流、AI 自动化、动态工作流、工具调用管道、高 token 开销流程或 AI 产品任务编排时使用。 帮助判断哪些部分应使用规则、模板、脚本、单次 LLM 调用、固定工作流、局部 Agent 或完整动态 Agent, 遵循"默认工作流化,必要时 Agent 化"原则。 触发词:Agent 设计、工作流审查、降低 token 消耗、AI 自动化架构、agent minimalism、最小化 Agent。
使用场景:设计、评审或优化 Agent 工作流、AI 自动化、动态工作流、工具调用管道、高 token 开销流程或 AI 产品任务编排时使用。 帮助判断哪些部分应使用规则、模板、脚本、单次 LLM 调用、固定工作流、局部 Agent 或完整动态 Agent, 遵循"默认工作流化,必要时 Agent 化"原则。 触发词:Agent 设计、工作流审查、降低 token 消耗、AI 自动化架构、agent minimalism、最小化 Agent。
user_9af78fb9
未分类 community v1.0.0 1 版本 96666.7 Key: 无需
★ 0
Stars
📥 29
下载
💾 0
安装
1
版本
#latest

概述

Agent Minimalism

使用本 Skill 将任务或工作流转化为最低复杂度的可靠设计。

核心原则:

> 默认工作流化。仅在真正存在不确定性时使用 Agent。

Agent 应处理不确定性、探索、恢复和开放式判断。它们不应该成为包裹确定性步骤的默认外壳。

适用场景

在以下情况下使用本 Skill:

  • 设计 Agent、AI 工作流、自动化管道或工具调用系统。
  • 尝试减少 token 用量、延迟、成本、不稳定性或上下文共享开销。
  • 将全量 Agent 流程转换为混合工作流。
  • 评审动态工作流是否过度设计。
  • 构建内容生产、研究、销售运营、客户支持、编码任务、数据分析或产品运营的可复用模式。

操作模型

将每个步骤分类到最低充分级别:

级别适用场景推荐实现方式
---------
L0 规则输入、检查、转换或输出是确定性的代码、配置、Schema 校验、正则、模板
L1 单次 LLM需要语义处理,但不需要循环或工具观察单次 LLM 调用 + 结构化输出
L2 固定工作流存在多步骤,但路径基本已知Pipeline、DAG、状态机
L3 局部 Agent有一个节点存在不确定性,可能需要工具、重试或判断仅在该节点使用 Agent
L4 动态 Agent目标开放,路径无法提前知道Planner + 工具 + 记忆 + 迭代执行

经验法则:

> 如果低级别能可靠解决,就不要提升到高级别。

工作流程

  1. 梳理当前任务链。
    • 识别输入、输出、中间产物、工具、失败模式和决策点。
  1. 分离确定性与不确定性。
    • 确定性的:做成代码、模板、配置、校验或固定工作流。
    • 语义但有边界的:使用单次模型调用。
    • 不确定、探索性或自我修正的:考虑局部 Agent。
  1. 按复杂度路由。
    • 优先 L0,其次 L1、L2、L3,最后才是 L4。
    • 将完整动态 Agent 视为最后手段。
  1. 将 Agent 放在异常点。
    • 将 Agent 用作复杂节点处理器或故障恢复处理器。
    • 除非整个任务路径未知,否则避免在主入口放置 Agent。
  1. 输出设计建议。
    • 展示哪些步骤移至规则/工作流/LLM/Agent。
    • 说明每个 Agent 节点的不确定性依据。
    • 定性估算成本、稳定性和 token 影响。

输出格式要求

审查或设计时,输出内容应包括:

  • 当前工作流诊断。
  • 带 L0-L4 标签的步骤分类表。
  • 推荐架构。
  • 每个 Agent 节点的使用理由。
  • Token 与稳定性影响说明。
  • 下一步实施建议。

保持实用。目标是可落地的设计规范,不是哲学论文。

参考文档

  • 审查标准,请阅读 references/review-checklist.md
  • 可复用路由器与架构模板,请阅读 references/router-template.md

版本历史

共 1 个版本

  • v1.0.0 Initial release 当前
    2026-05-31 23:42 安全 安全

安全检测

腾讯云安全 (Keen)

安全,无风险
查看报告

腾讯云安全 (Sanbu)

安全,无风险
查看报告

🔗 相关推荐

ai-intelligence

self-improving agent

pskoett
捕获经验教训、错误和纠正,以实现持续改进。使用时机:(1)命令或操作意外失败;(2)用户纠正……
★ 4,057 📥 796,770
security-compliance

Skill Vetter

spclaudehome
AI智能体技能安全预审工具。安装ClawdHub、GitHub等来源技能前,检查风险信号、权限范围及可疑模式。
★ 1,211 📥 266,254
ai-intelligence

Self-Improving + Proactive Agent

ivangdavila
自我反思+自我批评+自我学习+自组织记忆。智能体评估自身工作、发现错误并持续改进。
★ 1,351 📥 317,804