cargo-ai

Cargo CLI — AI

Agent 资源管理：创建和配置 Agent、附加用于检索增强生成（RAG）的知识、连接 MCP 服务，以及管理 Agent 记忆。

如需使用 Agent（发送消息、多轮聊天、轮询），请使用 cargo-orchestration。 如需上传知识文件和构建知识库（content 域），请使用 cargo-content。本技能介绍如何将这些知识附加到 Agent。 如需管理工作区——文件夹（用于整理 Agent 和文件）、用户、API 令牌、角色，以及在 CLI 出错时提交报告——请使用 cargo-workspace-management。

完整的 JSON 响应结构请参见 references/response-shapes.md。 常见错误及其修复方法请参见 references/troubleshooting.md。 Agent CRUD 和配置示例请参见 references/examples/agents.md。 MCP 服务创建和管理示例请参见 references/examples/mcp-servers.md。

初始化

如果已经登录（cargo-ai whoami 返回工作区），请跳到下一节。

npm install -g @cargo-ai/cli            # no global install? prefix every command with `npx @cargo-ai/cli`
cargo-ai login --email [email protected]  # emailed code, no browser; creates the account on first use
                                        # alternatives: --oauth (browser) · --token <api-token> (CI)
cargo-ai whoami                         # confirm the active workspace before any write

每条命令都会向 stdout 输出 JSON；失败时会以非零状态退出，并返回 {"errorMessage": "..."}。任何会创建运行任务或批次的操作都是异步的——请传入 --wait-until-finished，或轮询对应的 get 命令。安装完整技能包后，../cargo/references/prerequisites.md 会补充 CLI 版本固定要求、令牌范围和仅限管理员的操作。

先发现资源

cargo-ai ai agent list                     # all agents (uuid, name, description)
cargo-ai ai template list                  # all AI agent templates (slug, name)
cargo-ai ai mcp-server list                # all MCP servers (uuid, name)
cargo-ai ai memory list --scope agent --agent-uuid <uuid>  # agent memories
# Knowledge files & libraries live in the content domain — see cargo-content:
#   cargo-ai content file list   /   cargo-ai content library list

在 UI 中查看： Agent 位于 app.getcargo.io/workspaces/<WORKSPACE_UUID>/agents/<AGENT_UUID>。从 cargo-ai whoami 的 workspace.uuid 获取 <WORKSPACE_UUID>。

快速参考

cargo-ai ai agent list
cargo-ai ai agent get <agent-uuid>
cargo-ai ai agent create --name <name> --icon-color blue --icon-face 🤖
cargo-ai ai agent update --uuid <agent-uuid> --name <name>
cargo-ai ai agent remove <agent-uuid>
cargo-ai ai release list --agent-uuid <uuid>
cargo-ai ai release get <release-uuid>
cargo-ai ai release get-draft --agent-uuid <uuid>
cargo-ai ai release update-draft --agent-uuid <uuid> --language-model-slug gpt-4o
cargo-ai ai release deploy-draft --agent-uuid <uuid>
cargo-ai ai template list                  # full detail; there is no `template get`
cargo-ai ai mcp-server list
cargo-ai ai mcp-server get <mcp-server-uuid>
cargo-ai ai mcp-server create --name "Internal Tools"
cargo-ai ai mcp-server update --uuid <mcp-server-uuid> --name "Updated Name"
cargo-ai ai mcp-server remove <mcp-server-uuid>
cargo-ai ai mcp-client connect --name "My MCP" --url https://mcp.example.com/sse
cargo-ai mcp                               # serve the platform MCP over stdio
cargo-ai mcp --server <mcp-server-uuid>    # serve a curated workspace MCP server instead
cargo-ai ai memory list --scope agent --agent-uuid <uuid>
cargo-ai ai memory update --mem0-id <id> --scope agent --agent-uuid <uuid> --content "Updated memory"
cargo-ai ai memory remove --mem0-id <id> --scope agent --agent-uuid <uuid>

Agent

Agent 是 AI 资源，包含已配置的指令、语言模型、操作和可选资源。

从头创建 Agent 前，请先查看现有模板——它们包含适用于常见场景（潜在客户调研、分类、电子邮件起草）的成熟模式，并提供可直接使用的系统提示词、模型和温度设置：

cargo-ai ai template list          # browse patterns — full detail, not a summary
# there is no `template get`: `list` already returns systemPrompt, temperature,
# languageModelSlug, actions and resources, so select the one you want
cargo-ai ai template list | jq '.templates[] | select(.slug == "<slug>")' 

# List all agents
cargo-ai ai agent list

# Get a single agent (includes deployed release details)
cargo-ai ai agent get <agent-uuid>

# Create an agent
cargo-ai ai agent create \
  --name "Lead Researcher" \
  --icon-color blue --icon-face 🤖 \
  --description "Researches leads and enriches data"

# Update an agent
cargo-ai ai agent update --uuid <agent-uuid> \
  --name "Senior Lead Researcher" \
  --description "Updated description"

# Move to a folder (find folder UUIDs via cargo-workspace-management)
cargo-ai ai agent update --uuid <agent-uuid> --folder-uuid <folder-uuid>

# Remove an agent
cargo-ai ai agent remove <agent-uuid>

Agent 图标： --icon-color 必须是以下值之一：grey、green、purple、yellow、blue、red。--icon-face 是一个表情符号字符串。

文件夹： 文件夹的创建、列出和管理位于 cargo-workspace-management（cargo-ai workspaceManagement folder list/create/...）。使用该技能查找或创建要在此处传给 --folder-uuid 的 <folder-uuid>。

发布版本

发布版本是 Agent 配置（系统提示词、操作、资源、模型、温度）的版本化快照。Agent 基于其已部署的发布版本执行。

# List releases for an agent
cargo-ai ai release list --agent-uuid <uuid>

# Get a specific release
cargo-ai ai release get <release-uuid>

# Get the current draft release (editable)
cargo-ai ai release get-draft --agent-uuid <uuid>

# Update the draft release
cargo-ai ai release update-draft --agent-uuid <uuid> \
  --system-prompt "You are a lead research assistant..." \
  --language-model-slug gpt-4o \
  --temperature 0.3 \
  --max-steps 10

# Deploy the draft release (makes it live)
cargo-ai ai release deploy-draft --agent-uuid <uuid> \
  --integration-slug openAi \
  --language-model-slug gpt-4o \
  --actions '[]' \
  --mcp-clients '[]' \
  --resources '[]' \
  --capabilities '[]' \
  --suggested-actions '[]' \
  --description "Added research actions"

对于支持推理的模型，update-draft / deploy-draft 上的 --with-reasoning [true|false] 可开启推理模式（单独使用该标志时默认为 true）。

编码 Agent（--harness-slug、--repository）

带有 harness 的发布会以编码 Agent 的形式运行：每一轮都会在包含 Git 检出的沙箱中工作，而不是进行普通的聊天循环。Harness 标识：claudeCode、codex、openCode、deepAgents。

cargo-ai ai release deploy-draft --agent-uuid <uuid> \
  --harness-slug claudeCode --integration-slug anthropic --language-model-slug <model-slug> \
  --repository '{"connectorUuid":"<github-connector-uuid>","repository":"acme/app","defaultBranch":"main","rootDirectory":null}' \
  --actions '[]' --mcp-clients '[]' --resources '[]' --capabilities '[]' --suggested-actions '[]'

• --repository（JSON）：connectorUuid（一个 GitHub 连接器，用于识别用户，并非 Agent 扮演的身份）、repository（格式为 owner/name）、defaultBranch、rootDirectory、env（[{key, type:"public", value}] 或 {key, type:"secret", secretValue}），以及 runAsUserUuid——一个服务用户，沙箱会获取其临时 CARGO_API_TOKEN（帮助信息中未提及；请参阅 ../cargo-workspace-management/SKILL.md →“服务用户”；你的权限必须涵盖该用户，否则调用会返回 403 runAsUserNotFound / runAsUserNotPermitted）。
• Agent 扮演 Cargo GitHub 应用的身份，绝不扮演已连接用户的身份：它会以该应用安装实例的身份克隆、推送、评论和创建 PR。请先在仓库上安装该应用——否则该轮会失败。沙箱的 GitHub 令牌仅限于该仓库，访问其他任何仓库都会被拒绝；令牌有效期为 1 小时，每轮都会刷新；它会从聊天输出中脱敏，但 Agent 可以读取。
• 它会在 cargo/<short-name> 分支上工作，绝不推送到默认分支，也绝不强制推送；并通过自己的 PR 工具创建或更新 PR，该工具会将 PR 与聊天关联起来。
• 如果有人在该 Agent 聊天创建的 PR 上提及应用，就会继续同一聊天——无需触发器（如果聊天已转移到其他仓库，或 PR 由另一个 Agent 创建，则会跳过）。关闭聊天即可停止。GitHub 触发器会添加 allPullRequests（回复仓库中任何 PR 上的提及）、fixFailedChecks（以及 maxCheckFixAttempts，范围为 1–10；有人提及或审查时会重置）和 addressReviews，这些选项的默认值均为 false。

按聊天设置，而非按发布设置。 ai chat create --harness-slug … --repository … 和 ai message create（针对其自动创建的聊天）接受相同的两个标志；如果省略，则由 Agent 固定使用的发布版本决定。它们在创建聊天时设置：与 --chat-uuid 一起传入任一标志会返回 400——harnessSlug and repository are not allowed with chatUuid: they are set when the chat is created. Create a new chat to use another harness or repository.

如果向仍在回复的聊天发送消息，该消息会被排队：返回 202，包含 userMessage，此时尚无助手消息；前一轮结束后才会收到回复（chatClosed → 409，chatNotFound → 404）。发送和轮询方式：../cargo-orchestration/SKILL.md。在项目中使用：defineAgent({ harness, repository }) — ../cargo-project/references/resources.md。

结构化输出和心跳 — 尚未公开为 CLI 标志

发布 API 载荷（draft/update 和 draft/deploy）接受两个字段，但 release update-draft / release deploy-draft 并未将它们公开为标志（已对照 CLI 源码确认——没有 --output / --output-schema 或 --heartbeat）：

字段	形式	用途
output	{"type":"text"} 或 {"type":"jsonSchema","jsonSchema": <standard JSON Schema object>}	强制 Agent 返回符合 JSON Schema 的结构化输出。
heartbeat	{"intervalMinutes": number, "maxMessages": number, "prompt": string | null}	定期重新唤醒聊天（intervalMinutes），直到达到 maxMessages；prompt 是唤醒消息（null = 通用的“继续”）。

通用的 --options 标志不包含这些字段——API 的 options 仅包含 {connectorUuidsByIntegrationSlug, modelUuidsByIntegrationSlug}。在这些标志发布之前，请使用与 CLI 相同的端点直接调用 API 来设置它们：

# Structured (JSON Schema) output on the draft release
curl -sS -X PUT "$CARGO_BASE_URL/v1/ai/releases/draft/update" \
  -H "Authorization: Bearer $CARGO_API_TOKEN" -H "Content-Type: application/json" \
  -d '{"agentUuid":"<uuid>","output":{"type":"jsonSchema","jsonSchema":{"type":"object","properties":{"score":{"type":"number"}},"required":["score"]}}}'
# Deploy carries the same fields — POST .../v1/ai/releases/draft/deploy

draft/update 是部分更新：省略的字段会保留其当前草稿值。draft/deploy 的请求体必须包含 actions、mcpClients、resources、capabilities 和 suggestedActions。提交一份 workspaceManagement report（参见 ../cargo-workspace-management/SKILL.md），申请提供正式的 --output / --heartbeat 标志——这是针对 CLI/UI 功能不一致问题的指定反馈渠道。

Agent 配置工作流：

1. 浏览模板以获取灵感：cargo-ai ai template list — 它会完整返回每个模板（系统提示词、模型、温度、工具），因此可直接从返回结果中选择最符合你用例的模板
2. 创建 Agent：cargo-ai ai agent create --name "..." --icon-color blue --icon-face 🤖
3. 获取发布草稿：cargo-ai ai release get-draft --agent-uuid <uuid>
4. 使用配置好的工具、资源、提示词和模型更新草稿：cargo-ai ai release update-draft --agent-uuid <uuid> ...
5. 部署：cargo-ai ai release deploy-draft --agent-uuid <uuid> ...

模板

模板是预先构建的 Agent 配置，其中包含适用于常见用例的成熟模式。从头开始设计 Agent 之前，务必先查看模板——模板提供了可直接采用或调整的现成系统提示词、推荐语言模型、温度和工具配置。

# List available agent templates — each entry is complete, so this is the only
# call you need. There is no `template get` subcommand.
cargo-ai ai template list

# Inspect one by slug: filter the same response
cargo-ai ai template list | jq '.templates[] | select(.slug == "<slug>")' 

模板包含系统提示词、工具、资源和推荐的模型设置。可将其作为起点，并通过 release update-draft 自定义。完整指南（包括根据模板创建 Agent 的端到端示例）请参阅 references/examples/templates.md。

模型与温度建议

用例	推荐模型	温度
分类、提取、评分	gpt-6-luna 或 gpt-4o-mini	0.0 – 0.2
研究、摘要、分析	gpt-6-sol 或 claude-sonnet-5	0.2 – 0.5
文案撰写、个性化	claude-sonnet-5 或 gpt-6-sol	0.5 – 0.8
头脑风暴、最复杂的推理	claude-opus-5-5 或 gpt-6-astra（高端场景可用 claude-fable-5-1）	0.7 – 1.0

模型标识必须在连接器的实时列表中；否则，release update-draft 和 deploy-draft 会失败并报错 languageModelNotFound（每当发布版本配置了连接器时都会检查——草稿默认使用 OpenAI 连接器，因此 Anthropic 模型标识还需同时指定 --integration-slug anthropic --connector-uuid <uuid>）。免费列出连接器提供的模型、每 1,000 个令牌的积分数以及 isReasoning：

cargo-ai connection connector get-language-models <connector-uuid>

价格跨度达三个数量级（gpt-6-luna 为每 1k 个令牌 0.003，claude-sonnet-5 为 0.2，claude-opus-5-5 为 1.6，claude-fable-5-1 为 4），因此为高用量 Agent 选择模型前请先查看价格。Cargo 的 Anthropic 模型列表已将 claude-3-5-sonnet-latest 标记为已弃用——请将 Agent 迁离该模型。

低温度（0.0–0.2）＝输出确定且一致。高温度（0.7 以上）＝输出更有创意、变化更多。对于处理数千条记录的生产工作流，建议使用低温度。

RAG 知识（文件与库）

为 Agent 响应提供依据的知识（检索增强生成，RAG）来自 content 域——参见 cargo-content：

• 文件——上传的二进制文件（PDF、CSV、文本）。
• 库——用于归集文件的集合，可以是 native（由工作区管理），也可以由 connector 提供支持（通过非结构化数据提取器从外部来源同步）。

在 CLI ≥ 1.0.19 中，文件和库已从 ai 移至顶层 content 域（cargo-ai content file … / cargo-ai content library …）。旧的 ai file … 命令已移除。所有与内容相关的功能现在都位于 cargo-content。

将知识附加到 Agent

文件或库只有通过草稿发布版本的 resources 数组附加到 Agent 并完成部署后才能使用。在 cargo-content 中上传文件或创建库，然后在此处通过 release update-draft --resources … 配置，再执行 release deploy-draft。完整的上传 → 附加 → 部署流程参见 ../cargo-content/references/examples/files.md。

只有已建立索引的文件才能搜索。 以 indexMode: "none" 存储的文件（content file put、workers、writeFile 节点和 Agent 写入的默认值）可以列出和读取，但无法搜索：capability_file_list 会将其标记为 isSearchable: false，capability_file_search 会跳过该文件，而 capability_file_analyze 会拒绝处理。请附加通过 upload 上传的文件（默认会建立索引）用于 RAG，或使用 --index vectorStore 重新写入文件。

让 Agent 写入文件

"isReadOnly": false 的文件资源还会授予其列出的文件夹 capability_file_write 权限（{"kind":"folder","folderUuid":"…"} 项；列出的文件仍为只读）。未设置时为只读。

cargo-ai ai release update-draft --agent-uuid <agent-uuid> \
  --resources '[{"kind":"file","slug":"outputs","name":"Outputs","description":null,"prompt":"Save each report here.","isReadOnly":false,"items":[{"kind":"folder","folderUuid":"<folder-uuid>"}]}]'

• Agent 会将生成的文本（≤ 1,000,000 个字符）写入其中一个文件夹内的相对路径（会创建子文件夹），不能写入工作区的其他位置。如果有多个可写文件夹，必须指定其中一个。
• 每次 Agent 写入的文件都会存为 private，并设置 indexMode: none 和 mirrorToContext: false，即使它覆盖了他人创建的公开文件也是如此。写入会返回 { fileUuid, path, size, url }，其中 url 是有效期为 1 小时的签名链接，任何持有该链接的人都可以打开。
• 写入会原地覆盖该文件夹中同名的最新文件。请为 Agent 指定专用输出文件夹，不要使用存放其所读知识的文件夹。
• 在项目中：defineAgent({ files: [{ items: [folder], readOnly: false }] }) — 参见 ../cargo-project/references/resources.md。

MCP — 两个方向，别混淆

在 Cargo 中，MCP（Model Context Protocol）可以双向运行，这两个界面互不相关：

	发布 — ai mcp-server	使用 — ai mcp-client
含义	由你的工作区公开的服务：你选择开放调用的工具、Agent 和数据	连接到他人的 MCP 服务
调用方	任意 MCP 客户端 — Claude Code、Claude Desktop、Cursor、ChatGPT	你的 Cargo Agent，在聊天或工作流运行期间调用
配置方式	cargo-ai mcp --server <uuid>（下文介绍的 stdio 桥接）	release update-draft --mcp-clients …

开始构建前，先检查平台 MCP 是否已涵盖相关需求。 Cargo 现在提供一方 MCP 服务，地址为 https://mcp.getcargo.io/mcp — 面向每个工作区成员，无需部署 — 提供一组用于操作工作区的小型固定工具集（whoami、get_usage、search_actions、get_action_schema、autocomplete_action、execute_action、execute_action_batch、get_run、get_batch、list_runs、list_models、describe_model、query_models，以及只读上下文工具 map_context、search_context、browse_context、read_context）。托管客户端（ChatGPT connectors、Claude.ai、通过 HTTP 连接的 Cursor）指向此 URL，并通过 OAuth 登录；如果用户属于多个工作区，授权页面会让用户选择工作区。ai mcp-server 用于另一类需求：为客户端提供经过筛选且命名明确的工具子集 — 这个工具、那个 Agent、这个经过筛选的模型 — 让客户端只能看到这些内容。

发布工作区 MCP 服务

cargo-ai ai mcp-server list
cargo-ai ai mcp-server create --name "CRM tools" \
  --actions '[{"slug":"<action-slug>","kind":"tool","toolUuid":"<tool-uuid>","templateSlug":null,"waitUntilFinished":true,"name":null,"description":null,"isBulkAllowed":false,"config":{}}]' \
  --resources '[{"kind":"model","slug":"<slug>","name":"Accounts","description":null,"integrationSlug":"hubspot","modelUuid":null,"filter":null,"selectedColumnSlugs":null,"limit":null,"prompt":null,"isReadOnly":true}]'
cargo-ai ai mcp-server update --uuid <mcp-server-uuid> --name "Updated name"
cargo-ai ai mcp-server remove <mcp-server-uuid>

• Actions 接受 kind: "tool" 或 kind: "agent" — Agent 也可以作为可调用的 MCP 工具公开，不只是工具。waitUntilFinished 用于控制调用是否会等待运行完成。
• 资源接受 kind: "model"（经过筛选并选择列的模型视图 — 除非客户端需要写入，否则应保持 isReadOnly: true）或 kind: "file"（按 UUID 指定工作区文件，参见 ../cargo-content/SKILL.md）。
• Capabilities（CLI ≥ 1.0.86）用于在服务上公开 Cargo 内置工具，以及你的 Actions 和资源。JSON 数组，格式为 {slug, config}：

  cargo-ai ai mcp-server create --name "Research" \
    --capabilities '[{"slug":"webSearch","config":{}}]'
  

  十一个 slug 分别是 sandbox、memory、context、app、document、webSearch、action、model、file、documentationSearch 和 suggestedActions — 与 Agent 发布时通过自身 --capabilities 接受的集合相同，因此上面的示例会传入 '[]'，而不是省略该参数。在项目中，同一字段也接受不带配置的 slug（capabilities: ["webSearch"]）。
• update 会整体替换 --actions / --resources / --capabilities，而非合并 — 请通过 mcp-server get <uuid> 读取当前服务配置，并传回完整数组。

将其提供给编码 Agent — cargo-ai mcp

任一服务都可通过 CLI 连接到任何 stdio MCP 客户端，并使用机器上已有的凭据。无需将令牌复制到客户端配置中。

claude mcp add cargo -- cargo-ai mcp                     # the platform MCP (no setup)
cargo-ai ai mcp-server list                              # find a curated server's UUID
claude mcp add cargo -- cargo-ai mcp --server <uuid>     # that curated server instead
# Cursor, Windsurf, and other stdio clients: same command as the server entry

如果未指定 --server，桥接程序会在设置了 CARGO_MCP_SERVER_UUID 时使用它，否则使用平台的 /mcp。**此行为已更改：**旧版 CLI 会解析“工作区唯一的 MCP 服务”，若工作区中没有或有多个 MCP 服务，则会因 InvalidUsage 而失败；现在，直接运行 cargo-ai mcp 总能提供服务。stdout 承载 MCP 协议，所有日志都写入 stderr，因此切勿在其周围向 stdout 输出任何内容。

**何时选择此方式，而不是使用技能：**技能会向 Agent 提供完整 CLI；MCP 接口则提供范围有限、无需 shell 的一组功能。使用桥接程序进行对话中的查询和一次性操作；使用 CLI 处理批量任务、工作流、架构变更以及任何设有成本门槛的操作。完整的路由规则：../cargo/SKILL.md →“这些技能与 Cargo 的 MCP 接口”。

使用外部 MCP 服务

cargo-ai ai mcp-client connect --name "My MCP" --url https://mcp.example.com/sse
cargo-ai ai mcp-client connect --name "My MCP" --url https://mcp.example.com/sse \
  --disabled-tool-slugs "dangerous_tool,other_tool"

--authentication 接受 {"issuedAt": "...", "accessToken": "..."} 或 "null"。已连接的客户端通过 Agent 的发布版本附加到 Agent：先执行 release update-draft --mcp-clients …，然后执行 release deploy-draft。

记忆

记忆是 Agent 从对话中保存、供将来参考的信息。记忆的作用范围为某个用户或特定 Agent（--scope user|agent；不支持工作区范围）。

# List agent memories
cargo-ai ai memory list --scope agent --agent-uuid <uuid>

# List user-scoped memories
cargo-ai ai memory list --scope user

# Update a memory
cargo-ai ai memory update \
  --mem0-id <id> \
  --scope agent --agent-uuid <uuid> \
  --content "Updated memory content"

# Remove a memory
cargo-ai ai memory remove \
  --mem0-id <id> \
  --scope agent --agent-uuid <uuid>

聊天、文档、投票和提示词辅助工具

发送消息和轮询消息是 cargo-orchestration 的工作；以下是聊天相关的维护命令，以及两个提示词编写辅助工具。

# Chats — list (filter by agent, release, user, or how the chat started), read, rename, delete
cargo-ai ai chat list --agent-uuid <uuid> --trigger-type schedule --limit 20
#   --trigger-type: chat | connector | draft | web_extension | app | schedule | workflow
cargo-ai ai chat get <chat-uuid>
cargo-ai ai chat update --uuid <chat-uuid> --name "Q4 pipeline review"
cargo-ai ai chat remove <chat-uuid>

# Feedback on one assistant message, and the votes on a chat
cargo-ai ai vote upsert --chat-uuid <chat-uuid> --message-uuid <message-uuid> --is-upvoted false
cargo-ai ai vote list --chat-uuid <chat-uuid>

# Documents — the versioned text / code / image / sheet artifacts an agent writes in a chat
cargo-ai ai document get <document-uuid>                        # latest version
cargo-ai ai document list --uuid <document-uuid> --limit 10     # its versions
cargo-ai ai document create --uuid <document-uuid> --kind text --title "Brief" --content "…"   # new version
cargo-ai ai document reset --uuid <document-uuid> --created-at <version-createdAt>             # drop every later version

# Suggested follow-ups for a message (cache with --cache-key to avoid regenerating)
cargo-ai ai suggested-action generate --message-uuid <message-uuid> --agent-uuid <agent-uuid>

# Prompt helpers
cargo-ai ai prompt optimize --prompt "find companies in SF and enrich them"
cargo-ai ai prompt evaluate --prompt "<system prompt with {{…}} expressions>" --actions '[...]' --resources '[...]'

• prompt optimize 使用固定的小型模型，以温度 0 将粗略指令改写为结构化系统提示词（角色、行为、避免事项）。请将结果视为待编辑的草稿，而非可直接发布的提示词。
• prompt evaluate 不会对任何内容评分（CLI 1.0.128 之前的帮助信息曾声称会评分）。它会呈现提示词：根据你传入的 --actions、--resources 和 --capabilities 解析其中的模板表达式，并返回 Agent 实际会收到的提示词文本。部署发布版本之前，可用它检查系统提示词中的 {{…}} 引用是否已解析。
• document reset 具有破坏性——你指定版本之后创建的所有版本都会被删除。先运行 list --uuid，选择 createdAt。
• 点踩是工作区保存的反馈；它不会改变 Agent。修复答案需要更改发布版本（提示词、模型、资源）。

帮助

每个命令都支持 --help：

cargo-ai ai agent create --help
cargo-ai ai release update-draft --help
cargo-ai ai mcp-server create --help
cargo-ai ai memory list --help