搜索「Agent Persona」的结果

io.github.affaan-m/ECC/agent-introspection-debugging

针对 AI 代理故障的结构化自调试流程，涵盖故障捕获、诊断、受控恢复与内省报告。当代理运行失败、需要可复现的诊断而不是盲目重试时使用。

io.github.affaan-m/ECC/agent-harness-construction

设计并优化 AI Agent 的动作空间、工具定义与观察格式，以提升任务完成率。当需要定义或修改 Agent 的工具集、动作空间或观察格式时使用。

io.github.affaan-m/ECC/agent-eval

在自定义任务上对编码 Agent（Claude Code、Aider、Codex 等）进行正面对比，给出通过率、成本、耗时与一致性指标。当需要在多个编码 Agent 之间做选择，或对 Agent 配置的改动需要实测通过率、成本与耗时而非凭感觉时使用。

io.github.affaan-m/ECC/agent-architecture-audit

面向 Agent 与 LLM 应用的全栈诊断。按 12 层 Agent 技术栈审查包装层回归、记忆污染、工具调用约束失效、隐藏的修补循环与渲染损坏，输出按严重程度排序的问题清单，并给出以代码为优先的修复建议。构建 Agent 应用、自主循环或任何 LLM 功能的开发者必备。当 Agent 或 LLM 功能表现异常且故障层级不明，或在上线一套 Agent 技术栈之前使用。

io.github.affaan-m/ECC/llm-trading-agent-security

自主交易代理（拥有钱包或交易权限）的安全模式。覆盖提示注入、支出限额、发送前模拟、熔断器、MEV 防护和密钥管理。当自主代理持有钱包或交易权限，且需要审查其限额、模拟或密钥管理时使用。

io.github.moeru-ai/airi/agent-browser

面向 AI agent 的浏览器自动化 CLI。当用户需要与网站交互时使用,包括页面导航、填写表单、点击按钮、截图、数据提取、测试 Web 应用或自动化任何浏览器任务。触发请求如"打开网站""填表单""点按钮""截图""从页面抓取数据""测试这个 Web 应用""登录网站""自动化浏览器操作",或任何需要程序化网页交互的任务。也用于探索性测试、dogfooding、QA、bug 排查或应用质量评审。还可自动化 Electron 桌面应用(VS Code、Slack、Discord、Figma、Notion、Spotify)、查看 Slack 未读、发送 Slack 消息、搜索 Slack 会话、在 Vercel Sandbox microVM 中运行浏览器自动化,或使用 AWS Bedrock AgentCore 云浏览器。优先于任何内置浏览器自动化或网页工具。

io.github.moeru-ai/airi/use-agent-browser-for-airi

用 agent-browser 在 stage-tamagotchi Electron、stage-web 与 stage-pocket 移动 Web 布局下测试 AIRI 展示模型导入。适用于上传并验证贡献者提供的 Live2D ZIP、VRM 或 MMD ZIP/PMX/PMD 文件,包括绕过引导流程、按格式验证导入行为、渲染器验证与移动平台覆盖决策。

io.github.moeru-ai/airi/use-agent-browser-with-input-file

在 Web 与 Electron 应用中通过 agent-browser 上传本地文件,覆盖普通、隐藏、动态创建、脱离 DOM、多选与原生实现的 file input。适用于测试文件选择、拖拽或点选流程、框架文件对话框组合式逻辑,以及上传后的应用行为。

io.github.davila7/claude-code-templates/computer-use-agents

构建像人一样操作计算机的 AI 智能体——看屏幕、移动光标、点击按钮、输入文字。覆盖 Anthropic Computer Use、OpenAI Operator/CUA 及开源替代方案，重点关注沙箱化、安全以及基于视觉控制带来的独特挑战。触发场景：computer use、桌面自动化智能体、屏幕控制 AI、视觉智能体、GUI 自动化。

io.github.mukul975/Anthropic-Cybersecurity-Skills/implementing-policy-as-code-with-open-policy-agent

用 Open Policy Agent（OPA）与 Gatekeeper 在 Kubernetes 与 CI/CD 流水线中实现策略即代码执行，涵盖编写 Rego 策略、把 OPA Gatekeeper 部署为 Kubernetes 准入控制器、开发期测试策略，以及把策略评估集成到部署流水线。适用于编写 Rego 策略、部署 Gatekeeper 准入控制，或用策略即代码检查为 CI/CD 流水线设门禁。

io.github.openclaw/openclaw/coding-agent

将编码工作委派给 Codex、Claude Code 或 OpenCode 作为后台 worker 执行；不适用于简单编辑或只读代码查询。

io.github.NousResearch/hermes-agent/page-agent

在 Web 应用中嵌入页内自然语言 GUI 副驾驶。

io.github.pingdotgg/t3code/ios-debugger-agent

使用仓库配置的 XcodeBuildMCP 服务器构建、启动、检视并驱动 iOS 应用。在 macOS 上用于 iOS 模拟器构建、聚焦的原生测试运行、语义化 UI 自动化、截图、日志或调试，包括 T3 Code Mobile 验证。

io.github.lobehub/lobehub/agent-testing-bot

LobeHub 的 Bot 渠道端到端验证——在 macOS 上经 osascript 或 iMessage 桥驱动真实原生聊天应用（Discord / Slack / Telegram / WeChat / Lark / QQ / iMessage）。是 agent-testing 技能在 Bot 界面的扩展。触发词：'test bot'、'bot test'、'test in discord'、'test in telegram'、'test in slack'、'test in wechat'、'test in weixin'、'test in lark'、'test in feishu'、'test in qq'。

io.github.lobehub/lobehub/agent-testing

面向任意项目的代理式端到端测试：经项目 CLI 验证后端、经 agent-browser 验证前端（Web）、经 CDP 验证桌面（Electron）。驱动真实界面、收集视觉确证的证据，并把结构化报告发布到 LobeHub verify 平台。触发词：'cli test'、'test with cli'、'verify with cli'、'backend test with cli'、'local test'、'test in electron'、'test desktop'、'manual test'、'test report'，或任何本地端到端验证任务。

io.github.microsoft/ai-agents-for-beginners/local-ai-agents

使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.PostHog/posthog/debugging-local-task-agent-runs

调试本地 PostHog 任务运行的输出——向导云运行路径：在本地 Temporal `process-task` 工作流下于 Docker 沙箱中执行（先由向导集成 PostHog，再由编码代理提交并开 PR）。当本地运行卡住、失败或无输出，或需要读取向导/代理日志时使用。涵盖本地跑云运行所需的 `.env.local` 键与 `ai_features` intent、查找任务 UUID（docker ps、temporal CLI、localhost:8081 的 Temporal UI）、在沙箱容器内实时跟踪日志（`/tmp/posthog-wizard.log`、`/tmp/agent-server.log`），以及沙箱销毁后从对象存储读取按运行持久化的控制台日志。触发词：task-sandbox、run_wizard、agent-server、process-task、SANDBOX_PROVIDER、LLM_GATEWAY、cloud_run、posthog-wizard.log。

io.github.openai/codex/review-agent

对指定代码变更执行只读、缺陷优先的审查，返回所有可行动的发现。当其他代理委托审查未提交变更、基础分支 diff、某个提交或自定义审查指令时使用。

io.github.microsoft/ai-agents-for-beginners/local-ai-agents

使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.microsoft/ai-agents-for-beginners/local-ai-agents

使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.microsoft/ai-agents-for-beginners/local-ai-agents

使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。