Agents and Skills

在 AIGNE 生态系统中，Agents 和 Skills 是将您的 AI 应用程序变为现实的基本构建块。它们协同工作，创建复杂的、由工具增强的 AI 系统。您可以将 Agent 视为负责推理和对话的大脑，而将 Skills 视为其用于执行操作和与外部世界交互的工具。

本节介绍了这些核心组件的定义和结构。有关如何在项目中将它们连接在一起的详细信息，请参阅项目配置 (aigne.yaml) 文档。

Agents

Agent 是处理用户输入、维护上下文并决定采取何种行动的核心组件。其行为由一组指令（其核心提示）及其有权访问的 Skills 集合来定义。

Agents 通常在 .yaml 文件中定义。

Agent 定义示例

这是一个聊天 Agent 的基本示例，它配备了代码执行 Skill。

chat.yaml

name: chat
description: 聊天 Agent
instructions: |
  你是一个乐于助人的助手，可以回答问题并提供关于广泛主题的信息。
  你的目标是帮助用户找到他们需要的信息，并进行友好的交谈。
input_key: message
memory: true
skills:
  - sandbox.js

Agent 属性

Agent 的行为通过其 YAML 定义文件中的几个关键属性进行配置：

属性	类型	描述
`name`	`string`	Agent 的简短描述性名称。
`description`	`string`	对 Agent 用途的更详细解释。
`instructions`	`string`	定义 Agent 的个性、目标和约束的系统提示。这是其核心逻辑。
`input_key`	`string`	输入对象中包含主要用户消息的属性名称（例如，`message`）。
`memory`	`boolean`	如果为 `true`，Agent 将保留对话历史记录，从而支持后续问题和上下文。
`skills`	`array`	Agent 有权使用的 Skill 文件列表（例如，`sandbox.js`）。

Skills

Skill 是一个可执行函数，通常用 JavaScript 编写，为 Agent 提供特定能力。这可以是任何事情，从运行代码、从 API 获取数据，到与文件系统交互。Skills 是大型语言模型推理与具体任务执行之间的桥梁。

Skill 定义示例

Skills 是标准的 Node.js 模块，导出一个默认的异步函数。关键的是，它们还导出描述其用途并定义其输入/输出结构的元数据，从而使 Agent 能够理解如何以及何时使用它们。

sandbox.js

import vm from "node:vm";

export default async function evaluateJs({ code }) {
  const sandbox = {};
  const context = vm.createContext(sandbox);
  const result = vm.runInContext(code, context, { displayErrors: true });
  return { result };
}

evaluateJs.description = "此 Skill 评估 JavaScript 代码。";

evaluateJs.input_schema = {
  type: "object",
  properties: {
    code: { type: "string", description: "要评估的 JavaScript 代码" },
  },
  required: ["code"],
};

evaluateJs.output_schema = {
  type: "object",
  properties: {
    result: { type: "any", description: "评估代码的结果" },
  },
  required: ["result"],
};

Skill 结构

一个 Skill 文件由三个主要部分组成：

默认导出的函数
Skill 的核心逻辑。它是一个 async 函数，接收一个参数对象并返回一个结果。
`description`
附加到函数上的字符串属性，提供关于 Skill 功能的自然语言描述。Agent 的底层 LLM 使用此描述来确定何时调用此 Skill 是合适的。
`input_schema`
/ output_schema：JSON Schema 对象，用于定义函数输入和输出的预期结构和类型。这确保了 Agent 提供有效的参数并能正确解释结果。

它们如何协同工作

用户、Agent 和 Skill 之间的交互遵循一个清晰的模式。Agent 充当智能协调器，解释用户的请求并调用适当的 Skill 来完成它。

direction: down

User: {
  shape: c4-person
}

AIGNE-Runtime: {
  label: "AIGNE 运行时"
  shape: rectangle

  Chat-Agent: {
    label: "聊天 Agent"
  }

  Sandbox-Skill: {
    label: "沙盒 Skill (sandbox.js)"
  }
}

User -> AIGNE-Runtime.Chat-Agent: "1. 输入：'5 + 7 是多少？'"
AIGNE-Runtime.Chat-Agent -> AIGNE-Runtime.Chat-Agent: "2. LLM 推理出需要进行计算"
AIGNE-Runtime.Chat-Agent -> AIGNE-Runtime.Sandbox-Skill: "3. 使用 { code: '5 + 7' } 调用 Skill"
AIGNE-Runtime.Sandbox-Skill -> AIGNE-Runtime.Sandbox-Skill: "4. 在沙盒中执行代码"
AIGNE-Runtime.Sandbox-Skill -> AIGNE-Runtime.Chat-Agent: "5. 返回 { result: 12 }"
AIGNE-Runtime.Chat-Agent -> User: "6. 形成响应：'结果是 12。'"

通过将推理（Agent）与执行（Skill）分离，您可以构建功能强大且可扩展的 AI 系统，这些系统易于维护和升级。

后续步骤

现在您已经了解了 Agents 和 Skills 的核心概念，可以继续阅读以下部分：

项目配置 (aigne.yaml)

学习如何在主项目配置文件中配置 agents、skills 和模型。

创建自定义 Agent

按照分步指南构建您自己的自定义 Agent，并将其集成为一个 Skill。