autonomous-agents

自主 Agent

自主 Agent 是一种 AI 系统，能够在没有持续人工指导的情况下，自主拆解目标、规划行动、执行工具并自我纠正。 难点不在于让它们具备能力，而在于让它们可靠。每增加一次决策，失败概率都会随之上升。

本技能涵盖 Agent 循环（ReAct、Plan-Execute）、目标拆解、反思模式和生产环境可靠性。关键在于：不断累积的错误率会让自主 Agent 失效。假设每个步骤的成功率恒定且相互独立，那么每步 95% 的成功率，到第 10 步时就会降至 60%。应优先打造可靠性，再追求自主性。

2025 年的经验：胜出的是边界清晰、专注特定领域的 Agent，而不是“无所不能的自主 Agent”。应将 AI 输出视为提案，而非事实。

详细指南

执行本技能前，请阅读详细指南。其中保留了完整流程和参考资料。必须遵守其中的安全要求、前置条件和验证要求。针对特定任务，请加载相关章节；端到端执行时，请完整阅读指南。

跟踪上下文用量

示例框架：token_count 和 summarize_messages 是应用程序函数。保留所有可信指令以及工具调用／结果对；摘要仍然只是数据，不能赋予权限。

class ContextManager:
    def __init__(self, max_tokens=100000):
        self.max_tokens = max_tokens
        self.messages = []

    def add(self, message):
        self.messages.append(message)
        self.maybe_compact()

    def maybe_compact(self):
        if self.token_count() > self.max_tokens * 0.8:
            self.compact()

    def compact(self):
        if len(self.messages) <= 11:
            return
        # Example assumes one system message; real apps must preserve all trusted instructions.
        system = self.messages[0]

        # Always keep: last N messages
        recent = self.messages[-10:]

        # Summarize: everything else
        middle = self.messages[1:-10]
        if middle:
            summary = summarize_messages(middle)
            self.messages = [system, summary] + recent

适用场景

• 用户提及或暗示：自主 Agent
• 用户提及或暗示：autogpt
• 用户提及或暗示：babyagi
• 用户提及或暗示：自我提示
• 用户提及或暗示：目标拆解
• 用户提及或暗示：react 模式
• 用户提及或暗示：Agent 循环
• 用户提及或暗示：自我纠正 Agent
• 用户提及或暗示：反思 Agent
• 用户提及或暗示：langgraph
• 用户提及或暗示：Agentic AI
• 用户提及或暗示：Agent 规划

示例

用户请求：

使用 @autonomous-agents 处理此任务：自主 Agent 是一种 AI 系统，能够在没有持续人工指导的情况下，自主拆解目标、规划行动、执行工具并自我纠正。

局限

• 仅当任务明确符合上述范围时，才使用此技能。
• 不要将输出视为环境特定验证、测试或专家审查的替代品。
• 如果缺少必要的输入、权限、安全边界或成功标准，请暂停并要求澄清。