已试运行一周，架构基本成型 孩子虽然跑姿有点好笑，但是有胳膊有腿的至少跑起来了 后面还得再教育 分享一下我的agent结构，如果有更好的思路我拜读学习！欢迎讨论！！ - 结构设计 系统运行真的要结构稳定！其中包括团队上下文、工作流、输入输出、历史记录。agent很容易出现目标漂移的情况，像极了一个5岁但拥有phd学历的智障，给我干一堆活都不是我想要的。我们要制定一个轨道让他做的都是我们想要的才行。 - 一个管理Skill负责分发任务 在之前用codex的时候，我会建立项目后，开多个聊天框工作。做的过程我发现，上下文和记忆会错乱和不同步。比如一个会议结束后，我需要做会议纪要、需求修改、原型修改3次分发目标在3个聊天框里面，无法丝滑的把这三件事情都做了，所以我建立了一个产品工作分发机制。当领导接到任务后，可以调用自己的工作流同步进行修正。当我说一个模糊的需求后，它可以先帮我把我的任务分解，我给他了一些我的常用工作路径。 举个例子：我发布任务“写一个需求”，pm-manager先识别意图，这是一个“需求撰写”的工作，他会去调用澄清需求-需求撰写 - 修改原型 - 审计报告 - 发布需求，调用5个子skill，每一步确认并归档，最终达成目标。 - 专项skill + tag 做专业事情 作为产品的工作很多很杂，但我们需要把这些工作拆解为agent能做的程度。 从项目类型角度，我有数据类、流程类、也有看板类。 从工作内容角度，需要会议评审、写需求、修改原型、需求分析等。 从对象来看，有开发、数据、业务、领导。 所以我用tag + skill 的方式，去让agent做具体的事情。比如看板类的需求 = 需求撰写skill + 看板tag。让专业的skill做专业的事情，才能够让它完成的更好。 - 消息中心 对于agent来说，事实依据是最重要的 在聊天上下文里，我们随口说的任务要有迹可循 我的信息来源分为：快速需求、正式需求、会议、待办、缺陷、其他。 任何一件需要agent做的事情都要从消息中心获取，不记下来绝对不干。 我选择linear作为我的消息中心！ 因为可视化界面友好，特别适合管理issue。 而且chatgpt有mcp连接功能，我会用chatgpt对话的方式移动端记录事项。 这样我随便发给gpt，linear就可以新增一个issue，解决了我很大的一个痛点。 #howto手搓skill #高效生产力