Harness 设计模式
两篇文章的省流版。
SKILL 设计模式
来自 Goolgle 文章：5 Agent Skill design patterns every ADK developer should know
核心入口都是 SKILL.md
区别在于如何利用 references/（存放规则、检查清单等参考资料）和 assets/（存放模板等资产）目录来拆分逻辑
Tool Wrapper 工具包装器
只需引入包含具体库或框架规范的参考文件。
通常结合 CLI 形成 SKILL + CLI 的模式。
skills/
└── tool-wrapper-skill/
├── SKILL.md
└── references/
└── conventions.md (存放最佳实践、框架规范)
Generator 生成器
需要同时定义“长什么样”（模板）和“怎么写”（风格）。
skills/
└── generator-skill/
├── SKILL.md
├── references/
└── style-guide.md (存放语气、格式等风格指南)
└── assets/
└── template.md (存放结构化的输出模板)
Reviewer 审查者
核心在于将具体的评分标准解耦到独立的清单文件中。
skills/
└── reviewer-skill/
├── SKILL.md
└── references/
└── review-checklist.md (存放按严重程度划分的检查清单)
Inversion 反转
核心在于反转对话的控制权。
简单来说：
- 常规模式（用户主导）：你给出一个模糊的需求 → Agent 立即开始生成结果（通常缺乏上下文，靠瞎猜，导致输出不符合预期）。
- Inversion 模式（Agent 主导）：Agent 变成“面试官” → 它根据预设的框架一步步向你提问 → 你回答 → 只有当所有关键信息收集完毕后，它才开始生成最终方案。
通常在收集完所有信息后的综合阶段（Synthesis）才会用到输出模板。
skills/
└── inversion-skill/
├── SKILL.md (内含多阶段提问的硬性门控逻辑)
└── assets/
└── plan-template.md (存放最终交付物模板)
5. Pipeline 流水线
最复杂的结构，根据不同步骤按需加载各种参考文件和模板。
skills/
└── pipeline-skill/
├── SKILL.md (定义包含确认节点的多步工作流)
├── references/
├── step-specific-rules.md (特定步骤需要的规则，如 docstring-style)
└── quality-checklist.md (质量自检清单)
└── assets/
└── assembly-template.md (最终组装阶段使用的模板)
Skill 设计模式决策流程
在开发 Agent 技能时，可以通过以下问题决策树来选择最合适的设计模式：
- 你的首要目标是给 Agent 补充特定技术的领域知识吗？
- 是 $\rightarrow$ 使用 Tool Wrapper。避免在 Prompt 中硬编码，按需加载知识。
- 否 $\rightarrow$ 进入下一步。
- 你需要 Agent 根据预设结构输出高度一致的文档或代码骨架吗？
- 是 $\rightarrow$ 使用 Generator。用模板填空的方式规范输出。
- 否 $\rightarrow$ 进入下一步。
- 任务的核心是检查、评分或审核已有的代码/文本吗？
- 是 $\rightarrow$ 使用 Reviewer。加载检查清单进行结构化审计。
- 否 $\rightarrow$ 进入下一步。
- Agent 在给出方案前，是否必须向用户澄清模糊需求或收集前置条件？
- 是 $\rightarrow$ 使用 Inversion。强制 Agent 在生成结果前先进行结构化提问。
- 否 $\rightarrow$ 进入下一步。
- 这是一个包含多个独立阶段，且某阶段必须经人工确认（或系统校验）才能继续的复杂任务吗？
- 是 $\rightarrow$ 使用 Pipeline。设计带有严格阻断条件（Checkpoints）的工作流。
如果单一模式无法满足复杂需求，可以将它们组合使用。例如，主流程是 Pipeline，第一步使用 Inversion 收集需求，中间步骤使用 Generator 生成代码，最后一步使用 Reviewer 进行代码审计。
Agent 设计模式
来自 Tw93 文章：你不知道的 Agent：原理、架构与工程实践
基础控制流模式
-
提示链 (Prompt Chaining)：将任务拆解为顺序执行的步骤，每一步的 LLM 处理上一步的输出，中间可加入代码检查点。适合线性的生成流程，例如先生成大纲再编写正文。
-
路由 (Routing)：对用户的输入进行分类，定向到对应的专用处理流程。例如简单咨询走轻量模型，复杂技术问题走强模型。
-
并行 (Parallelization)：
-
分段法：将任务拆分为独立的子任务并发运行
-
投票法：将同一任务多次运行并取共识。适用于高风险决策或需要多视角的场景
-
-
编排器-工作者 (Orchestrator-Workers)：由一个中央 LLM 动态分解任务，委派给多个工作者 LLM 分别执行，最后由中央 LLM 综合处理结果。
-
评估器-优化器 (Evaluator-Optimizer)：生成器负责产出内容，评估器负责提供反馈，系统在此之间不断循环直到结果达标。适合翻译、创意写作这类质量标准难以用代码精确定义的任务。
多 Agent 组织与协作模式
- 指挥者模式 (同步协作)：人与单个 Agent 紧密互动，每一轮都需要人工介入调整决策。缺点是会话结束后上下文随之清空，产出物相对短暂。
- 统筹者模式 (异步委派)：人在任务开始时设定目标，中间由主 Agent 统筹并下挂多个子 Agent 独立并行工作，最后人仅负责审查产出工件。子 Agent 探索和调试的细节留在独立的上下文中，执行完毕只向主 Agent 回传结论摘要。
- 长任务拆分协作模式 (Initializer 与 Coding Agent)：针对单个 Session 无法做完的长任务，将其拆分为两个角色。Initializer Agent 负责首轮运行，将任务转化为可持久化的外部状态（如进度清单文件）；Coding Agent 负责后续循环执行，每次从外部文件恢复现场、执行验证并更新状态，确保任务中断也能恢复。
Comments | NOTHING