AI智能体架构诊断
全面扫描大模型与智能体的系统提示词、记忆、工具调用及渲染等全栈链路,输出带优先级与代码级修复方案的缺陷诊断报告。
功能与用途
在开发基于大模型(LLM)的智能体或自动化系统时,许多错误并非模型本身能力不足,而是由外围工程封装(Wrapper)引入。该能力针对智能体系统的12个关键层级(包括系统提示词膨胀、上下文历史污染、长期记忆冲突、工具调用失真、隐藏兜底二次LLM循环、平台渲染篡改等)展开全栈代码级排查。通过搜索代码特征与日志痕迹,精确定位故障层级与根本原因,并生成按严重程度排序的问题清单,提供以代码逻辑硬性校验为主、而非仅修补提示词的整改落地路线。
适用场景
- 智能体上线前架构体检:在大模型应用上线或重大迭代前,全量审计提示词、工具调用与记忆等12层架构,排查潜在封装回归与隐蔽故障,确保生产环境稳定。
- 封装层性能衰退排查:针对大模型在测试环境表现良好但在工程封装后频繁出错、幻觉激增的异常,快速定位提示词冲突或隐藏重试循环等根本原因。
- 工具调用与记忆污染治理:排查智能体虚假调用工具、跨会话历史上下文污染及记忆冲突问题,将仅在提示词中软性声明的规则转为代码级硬性校验。
适用人群
- AI应用开发者
- 大模型全栈工程师
- 智能体架构师
- LLM系统运维人员
使用步骤
- 明确待审计的目标系统边界、大模型接入层以及用户报告的异常表象与时间窗口。
- 使用代码搜索工具(如 ripgrep)检索提示词约束、工具调用路由、记忆落库及隐式补全等反模式代码片段。
- 根据12层架构模型映射异常成因,确认证据所在的文件行号与故障发生层级。
- 按危害等级输出结构化的架构诊断报告,并按照代码优先的修复原则提供落地改造方案。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- AI工作流
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 专业
- 版本
- main
- 最近更新
- 2026-09-23
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.
依赖与权限
- 读取用户主动提供的内容