AI 智能体
创建和配置用于不同任务的专业 AI 助手，为不同的任务创建专业的智能体以最大化生产力。
什么是 AI 智能体?
AI 智能体是具有以下配置的 AI 模型实例:
- 系统提示: 定义智能体行为和专业知识的指令
- 分配的工具: 智能体可以使用的能力(文件操作、搜索等)
- MCP tools: 通过 MCP 服务器添加的自定义工具
- 默认模型: 驱动智能体的 AI 模型
- 自定义规则: 输出格式和行为的特定准则
- 动态上下文: 是否动态获取每个 project 的上下文信息
将智能体视为专业的团队成员,每个成员都有自己的专长和职责。
为什么使用 AI 智能体?
专业化: 每个智能体专注于特定任务
代码审查员 → 专注于代码质量、模式、最佳实践
测试生成器 → 创建全面的单元和集成测试
文档编写者 → 生成清晰、结构良好的文档
Bug 查找器 → 分析代码中的潜在问题和漏洞一致性: 智能体根据其配置提供一致的行为
效率: 在智能体之间切换而不是重新解释上下文
工具控制: 为不同的智能体授予不同的能力
创建自定义智能体
导航到智能体视图
- 打开 TalkCody
- 点击侧边栏中的 智能体 标签
- 点击 + 新建智能体
编写系统提示
系统提示定义智能体的行为:
示例: 代码审查智能体
你是一位经验丰富的代码审查员,专注于质量和最佳实践。
审查代码时:
1. 检查 bug 和逻辑错误
2. 评估代码风格和一致性
3. 建议性能改进
4. 识别安全漏洞
5. 在适用时推荐更好的模式
始终:
- 具有建设性和具体性
- 解释建议背后的原因
- 为改进提供代码示例
- 优先考虑关键问题而非风格偏好好的系统提示是具体的、可操作的,并包含期望行为的示例。
选择模型
- 根据任务选择适当的AI 模型: 例如,复杂推理任务使用 Main Models, 简单任务使用 Small Models
分配工具
选择智能体可以使用的工具:
文件工具
- ✅ 读取文件: 读取项目文件
- ✅ 写入文件: 创建新文件
- ✅ 编辑文件: 修改现有文件
搜索工具
- ✅ 代码搜索: 搜索代码库
- ✅ 文件搜索: 按名称/模式查找文件
- ✅ 网页搜索: 搜索互联网
执行工具
- ✅ Bash 工具: 执行终端命令
- ✅ 网页抓取: 获取网页内容
其他工具
- ✅ 调用智能体: 调用其他智能体
- ✅ 待办事项写入: 管理任务列表
仅授予必要的工具。限制工具可减少意外操作的机会。
保存并测试
- 点击 保存智能体
- 在聊天对话中选择智能体
- 使用相关提示测试
- 根据结果优化配置
智能体配置示例
1. 测试生成器智能体
用途: 创建全面的单元测试
系统提示:
你是一位测试专家,专门编写全面的单元测试。
对于你测试的每个函数或组件:
1. 测试正常路径场景
2. 测试边缘情况和边界条件
3. 测试错误处理
4. 模拟外部依赖
5. 使用描述性测试名称
遵循这些约定:
- 使用 Jest/Vitest 语法
- 使用 describe/it 块组织测试
- 在需要时包含设置和清理
- 目标代码覆盖率 80%+
- 编写可维护和清晰的测试模型: Main Model 工具: 读取文件、写入文件、代码搜索
2. 文档编写者智能体
用途: 编写清晰的技术文档
系统提示:
你是一位技术作家,专注于创建清晰、全面的文档。
编写文档时:
1. 从清晰的概述开始
2. 包含代码示例
3. 解释参数和返回值
4. 记录边缘情况和注意事项
5. 使用一致的格式
格式:
- 使用 Markdown
- 为长文档包含目录
- 添加带语法高亮的代码块
- 为重要注释使用标注
- 保持语言清晰简洁模型: Small Model 工具: 读取文件、写入文件、代码搜索
3. Bug 查找器智能体
用途: 识别 bug 和安全问题
系统提示:
你是一位注重安全的代码分析师,专注于查找 bug 和漏洞。
分析代码时,查找:
1. 逻辑错误和边缘情况
2. 安全漏洞(XSS、SQL 注入等)
3. 内存泄漏和性能问题
4. 竞态条件和并发 bug
5. 错误处理缺陷
对于发现的每个问题:
- 清楚地解释问题
- 显示确切位置(文件和行)
- 解释潜在影响
- 提供修复或缓解方案
- 评级严重性(关键/高/中/低)模型: Main Model 工具: 读取文件、代码搜索
一键从 GitHub 仓库导入智能体
TalkCody 支持直接从 GitHub 仓库导入 Claude Code subagent 配置,无需手动创建和配置。只需提供 GitHub 仓库地址和智能体文件路径,系统会自动解析 Markdown 前置元数据并创建智能体。
支持的格式
Claude Code subagent 的标准定义：导入的智能体文件需要使用 Markdown 格式,并在文件头部包含 YAML 前置元数据:
---
name: 智能体名称
description: 智能体描述
tools:
- readFile
- writeFile
- codeSearch
model: main_model
role: read
canBeSubagent: true
category: github
---
这里是你的系统提示内容...导入步骤
打开导入界面
- 打开 TalkCody
- 点击侧边栏中的 智能体 标签
- 点击 从 GitHub 导入 按钮
输入仓库信息
仓库地址
- 格式:
owner/repository(例如talkcody/agents) - 支持指定分支:
owner/repository@branch(例如talkcody/agents@main)
文件路径
- 单个文件: 直接输入
.md文件路径 (例如agents/coding/agent.md) - 整个目录: 输入目录路径,系统会自动扫描并导入所有有效的智能体文件 (例如
agents/)
推荐使用目录方式导入,可以一次性获取仓库中的所有智能体配置。
确认并导入
-
点击 开始导入 按钮
-
系统会自动:
- 尝试从
main或master分支获取文件 - 解析 Markdown 文件中的前置元数据
- 验证工具配置和系统提示
- 创建对应的智能体
- 尝试从
-
导入完成后,可以在 我的智能体 标签页查看和管理导入的智能体
高级用法
导入整个目录下的所有智能体:
repository: talkcody/agents
path: agents/导入单个智能体文件:
repository: talkcody/agents
path: agents/coding/coder.md导入的智能体默认会启用动态提示功能,会从当前项目的 agents.md 文件中获取上下文信息。
一键从远程智能体列表安装
TalkCody 提供智能体市场,汇集了社区贡献的各类专业智能体。你可以一键安装感兴趣的智能体,快速扩展你的智能体库。