agentica-prompts
仓库创建 2025年12月23日最近提交 6 个月前SkillHot 收录 21 天前
▸ 精选理由
给出分阶段编排与实践模板，能明显降低指令歧义失败率。
这个 Skill 做什么
为 Agentica/REPL 代理提供可复现、抗歧义的提示工程方法与模式。
给 Agentica/REPL 那类代理写提示时用，目标是让代理稳定按预期执行，避免 LLM 指令造成的歧义。提供一套可复现且保留上下文的提示工程和编排模式，把研究、计划、执行等步骤串起来。适合需要多代理协同或对结果可重复性有要求的自动化场景。
▸ 展开 SKILL.md 英文原文
Write reliable prompts for Agentica/REPL agents that avoid LLM instruction ambiguity
3.9k
Stars
298
Forks
40
仓库内 Skill
+18
7 日增星
安装 / 使用
给你的 Agent 一句话（通用）
帮我安装这个 skill：https://raw.githubusercontent.com/parcadei/Continuous-Claude-v3/main/.claude/skills/agentica-prompts/SKILL.md或 curl 直取 SKILL.md
curl -fsSL "https://raw.githubusercontent.com/parcadei/Continuous-Claude-v3/main/.claude/skills/agentica-prompts/SKILL.md"SKILL.MD 节选查看完整文件 ↗
# Agentica Prompt Engineering
Write prompts that Agentica agents reliably follow. Standard natural language prompts fail ~35% of the time due to LLM instruction ambiguity.
## The Orchestration Pattern
Proven workflow for context-preserving agent orchestration:
```
1. RESEARCH (Nia) → Output to .claude/cache/agents/research/
↓
2. PLAN (RP-CLI) → Reads research, outputs .claude/cache/agents/plan/
↓
3. VALIDATE → Checks plan against best practices
↓
4. IMPLEMENT (TDD) → Failing tests first, then pass
↓
5. REVIEW (Jury) → Compare impl vs plan vs research
↓
6. DEBUG (if needed) → Research via Nia, don't assume
```
**Key:** Use Tavia SKILL·HOT · 数据来自 GitHub 公开信息 · 原文版权归作者所有