oxbshw/LLM-Agents-Ecosystem-Handbook

解决的问题

本项目提供了一套全面、面向生产环境的运营手册，用于构建和交付现代 LLM 代理系统。它超越了简单的提示词和工具，将代理视为需要身份、记忆、技能、安全性和可观测性的完整系统。

如何工作

该手册采用模块化堆栈结构，覆盖代理的整个生命周期：

• 提供商生态系统： 抽象层（LLMProvider）和路由器，支持 24+ 个 LLM 提供商（前沿模型、快速推理、本地运行时等），允许开发者在不更改代理代码的情况下切换模型。
• 代理操作系统概念： 一种结构化方法，涵盖代理身份、记忆，以及用于标准化工具集成的模型上下文协议（MCP）。
• 技能与记忆： 用于创建可复用的多步骤工作流（技能）和跨会话持久化状态（记忆）的分类法和成熟度模型。
• 工程实践： 专门指南涵盖代理专用的提示工程、安全护栏（风险分级审批）以及可观测性（追踪与评估）。
• 设计与部署： 机器可读的设计规范（DESIGN.md）、架构决策记录（ADRs）和生产就绪检查清单。

适用人群

需要标准化方式组织其代理身份、工具和提供商策略的生产级 AI 代理开发者和架构师，以及使用编码代理（如 Cursor 或 Claude Code）来管理代码库的人。

主要亮点

• 多提供商路由器： 支持 24+ 个 LLM 提供商的统一接口，具备回退链功能。
• 全面的模板： 可直接复制粘贴的系统提示词、代理身份（SOUL.md）和记忆索引（MEMORY.md）模板。
• 编码代理优化： 包含 llms.txt 和特定提示词，使仓库本身易于被 AI 编码工具导航。
• 框架对比： 详细矩阵对比 LangGraph、CrewAI 和 Pydantic AI 等主流代理框架。
• 风险分级安全： 基于风险等级（低至严重）的工具权限管理结构化框架。