Agent/skills4claude/agent/SKILL.md

---

name: agent

description: 调用 Agent 执行任务 —— 能从知识库获取内容制作经验、擅长使用浏览器做深度调研。

Agent 调用

统一入口调用远端（KnowHub 服务器）或本地 Agent。底层走 cyber-agent SDK 的 invoke_agent()。

前置

需要 cyber-agent 包可 import。若未安装，在该仓库根目录执行：

pip install -e .

用法

python <this_skill_dir>/invoke.py \
    --agent_type=<type> \
    --task="<任务描述>" \
    [--skills=skill1,skill2] \
    [--continue_from=<sub_trace_id>] \
    [--project_root=<本地项目目录>]

远端 Agent（remote_ 前缀）

remote_librarian — 知识库查询与上传：

• skills=ask_strategy（默认）：查询整合，返回带引用的回答
• skills=upload_strategy：上传（task 为 JSON 字符串 {knowledge:[...], tools:[...], resources:[...]}）

remote_research — 深度调研：自动全网搜集 + 总结，成果自动入库。

本地 Agent

agent_type 无 remote_ 前缀。默认使用 skill 目录自带的共享 config，无需每个项目单独建 config.py。

• 默认行为：不传 --project_root → 用 skill 目录的 config.py，trace 落在调用方 CWD 的 .cache/trace/（自动创建）
• 项目覆盖：如果项目需要自己的 RUN_CONFIG / presets.json / tools/，传 --project_root=<项目目录>，该目录需满足：
  • config.py 定义 RUN_CONFIG（必需）
  • presets.json 定义 preset（可选）
  • tools/__init__.py 注册自定义工具（可选）

续跑

首次调用返回的 sub_trace_id 作为下次的 --continue_from，同一 Agent 累积上下文。

返回值

stdout 输出 JSON，成功退出码 0、失败 1：

{
  "mode": "remote" | "local",
  "agent_type": "...",
  "sub_trace_id": "...",
  "status": "completed" | "failed",
  "summary": "Agent 最终产出的 message 文本（结构化信息由 prompt 约定写在这里）",
  "stats": {"total_messages": N, "total_tokens": N, "total_cost": 0.xxx},
  "error": null
}

注意

• 远端 skills 由服务器白名单过滤，非法项静默丢弃
• 远端 Agent 无法访问调用方本地文件系统——大数据先通过 knowhub / toolhub 上传再传 ID
• summary 是纯文本；需要结构化字段（引用来源、ID 等）时由 Agent prompt 约定格式，调用方自己 parse