engineer-agentic-ai

🛠️ 工程化 Agentic AI

将期望的 Agent 行为转化为目标运行时可观察、可触发、可执行、可持久化和可验证的机制。

🗂️ 目录

• 🎯 目的和适用范围
• 🧭 工程框架
• 📚 参考资料路由
• ✅ 质量门槛

🎯 目的和适用范围

当请求描述了 Agent 应理解、决定、记住、触发、阻止或完成什么，但具体运行时机制缺失或尚不确定时，请使用此技能。适用范围包括指令、技能、路由、工具、MCP 服务、钩子、权限、插件、自动化、持久化、委派以及相关的 Agent 系统行为。

最终结果应是已实现并通过行为验证的机制；如果暂时无法闭合运行时链路，则应明确保留为问题空间需求。

🧭 工程框架

将以下流程作为唯一的端到端流程：

1. 保留问题空间中的意图。 陈述可观察的结果，不要过早将其转化为提示词措辞或供应商功能。
2. 规划调查路径。 使用参考资料路由，仅加载解决当前不确定性所需的最精简参考资料。
3. 将行为转化为可操作方案。 连接可观察信号和证据 → 触发器／生命周期事件 → 决策规则 → 执行器 → 持久化 → 验证。纳入可靠性和遗漏成本要求。如果必要环节不可用，应保留问题空间中的结果，而不是声称已实现。
4. 选择机制和实现界面。 选择能够满足所需可靠性的最轻量可用机制；如果选择取决于供应商能力，请先确认其当前能力。
5. 按规范实现。 修改权威指令、技能、钩子、工具、权限、插件、脚本、自动化或配置界面，并验证其传播路径。
6. 验证实际行为。 通过具有代表性的 Agent 交互或运行时事件来测试机制。测试可观察结果，而不只是语法、文件是否存在或措辞是否合理。
7. 诊断并迭代。 失败时，追踪指导内容是否最新、触发条件是否匹配、证据是否可见、规则是否明确、路由／选择、执行、权限、持久化和传播；调整机制或测试，然后重新运行。当行为受模型影响或依赖路由时，使用正向、负向、边界和重复案例。
8. 推广并交接。 只有在具备所需行为证据后才进行推广。刷新已部署／生成的副本，记录剩余未知项和已测试范围，并弃用或标记任何已被取代的愿望清单项。

详细的操作化、验证、调试和推广方法见 Agent engineering process；请勿在此文件中另行创建重复流程。

📚 参考资料路由

仅当参考资料的条件与当前决策或故障相符时，才加载该资料。

何时	阅读	用途
翻译、验证、调试或推广 Agent 行为时	Agent engineering process	落地实施、机制选择、行为测试、故障诊断和愿望清单推广。
确定上下文、工具、钩子、状态、会话、压缩或委派的行为方式时	Agent runtime model	运行时机制和 Codex 特定的生命周期证据。
诊断选择、元数据、接口边界或缺失的强制措施时	Interface, routing, and control design	选择前路由与选择后执行，以及控制强度。
分析语音/文本、桌面端/网页端、审批、后台工作或结果交付时	Interaction runtime model	人类到运行时的输入、生命周期和返回路径行为。
为不同身份、机器、操作系统或提供商设计可复用产物时	Portability and provider mapping	以概念为先的可移植性和提供商中立的措辞。
需要确切的提供商文件名、目录、清单或设置位置时	Provider path reference	当前提供商特定的路径映射和来源。
分析上下文大小、令牌、缓存、压缩成本、额度、余额或账单时	Token usage and cost model	使用情况证据、缓存机制、产品计费和优化。

✅ 质量门槛

只有满足以下条件，变更才算就绪：

• 落地实施链已完成，或明确保留缺失环节作为未解决的要求；
• 所选机制和路由的参考资料能够支持所需的可靠性，且不存在相互冲突的规范规则；
• 行为验证已在所述界面和范围内证明预期结果；
• 已核实规范来源、传播路径以及已部署/生成的状态；并且
• 交接内容列明剩余未知事项，并完成适用的从愿望清单到生产的生命周期。