Upsonic Agent Skills 深度解析：渐进式技能发现系统的完整实现指南

Upsonic Agent Skills 深度解析：渐进式技能发现系统的完整实现指南

【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant

导读

本文以 documents/ai/explanation/skills/skills.md 为核心骨架，结合 src/upsonic/skills/ 的实际源码实现，完整剖析 Upsonic 的 Agent Skills（渐进式工具/指令发现）系统。你将掌握：Skill 包的组成规范（SKILL.md、scripts、references、assets）、系统提示词中技能摘要的注入机制、四个技能访问工具的调用契约、本地/内联/内置/GitHub/URL 五类加载器的用法、版本约束、依赖解析、缓存与安全防护，以及 Skills 如何与 Agent、Task、Team 深度集成。读完本文即可在自己的 Agent 中落地一套"小提示词、大知识库"的按需加载体系。

---

1. Skills 是什么：为 Agent 打包可发现、可加载的领域专长

在 Upsonic 中，一个Skill是一个自包含的领域专长包，可以被Agent或单个Task按需发现和加载。它由四部分组成：

组成	是否必需	用途
SKILL.md	必需	YAML frontmatter（name、description等）加上给 Agent 的详细指令正文
scripts/	可选	Agent 可以读取或执行的脚本（Python、bash 等）
references/	可选	参考文档（风格指南、速查表、OWASP 清单等）
assets/	可选	辅助文件（模板、字体、图标、示例数据）

整个设计遵循渐进式发现（progressive discovery）工作流：

1. 浏览：Agent 仅在系统提示词中收到所有可用技能的摘要——技能名 + 一行描述 + 有哪些 scripts/references/assets；
2. 加载：当 Agent 判断某技能与当前任务相关时，调用get_skill_instructions工具加载完整的 SKILL.md 正文；
3. 引用/脚本/资产：按正文指引，再按需调用get_skill_reference、get_skill_script（读取或执行）、get_skill_asset拉取真正需要的片段。

这样系统提示词始终保持精简，而背后庞大的知识库可以在恰好需要的那一刻（just-in-time）被激活。Agent 遵循的具体规则由Skills.get_system_prompt_section写入提示词：

1. Browse — review the skill summaries below 2. Load — call get_skill_instructions(skill_name) when a task matches 3. Reference — get_skill_reference for documentation 4. Scripts — get_skill_script(execute=True/False) for code

除基本加载外，该包还覆盖：多种来源加载（本地文件系统、内联对象、内置库、GitHub 仓库、通用 URL 归档）、按 Agent Skills 规范校验、依赖解析、基于 embedding 的可选自动选择、内存 TTL 缓存、逐技能指标、安全引擎集成，以及 semver 风格的版本约束。

2. 目录结构与模块地图

src/upsonic/skills/ ├── __init__.py # 公共 API 再导出 ├── skill.py # Skill 数据类（纯数据容器） ├── skills.py # Skills 容器 —— 加载与调度工具 ├── validator.py # SKILL.md frontmatter 的规范校验 ├── metrics.py # SkillMetrics 数据类（逐技能计数器） ├── version.py # SkillVersion + VersionConstraint（semver） ├── cache.py # SkillCache（内存 TTL 缓存） ├── utils.py # 路径安全、shebang 解析、run_script ├── dependency.py # 依赖环检测 + 拓扑排序 ├── loader/ │ ├── __init__.py │ ├── base.py # SkillLoader ABC │ ├── local.py # LocalSkills（文件系统） │ ├── inline.py # InlineSkills（编程式） │ ├── builtin.py # BuiltinSkills（随 Upsonic 内置） │ ├── remote_base.py # RemoteSkillLoader（带缓存下载基类） │ ├── github.py # GitHubSkills（仓库 tarball） │ └── url.py # URLSkills（.tar.gz / .zip） └── builtins/ # 随 Upsonic 发布的技能 ├── code-review/ # SKILL.md + references/（owasp-top-10、severity-guide） ├──>@dataclass class Skill: name: str description: str instructions: str # SKILL.md 正文（frontmatter 之后的所有内容） source_path: str # 技能文件夹的文件系统路径 scripts: List[str] # scripts/ 下的文件名 references: List[str] # references/ 下的文件名 assets: List[str] # assets/ 下的文件名 metadata: Optional[Dict] license: Optional[str] compatibility: Optional[str] allowed_tools: Optional[List[str]] version: Optional[str] dependencies: List[str]

三个辅助方法：

方法	用途
to_dict()	序列化为字典，用于存储 / 跨进程传输
from_dict()	从字典重建对象
__repr__	紧凑表示，如Skill(name='code-review', scripts=0…)

4.Skills容器：编排中枢

skills.py 中的Skills是 Upsonic 其余部分交互的入口，职责包括：

1. 加载：遍历loaders（每个实现SkillLoader接口），同名技能冲突时后加载的覆盖先加载的（源码_load_skills会打出Duplicate skill name警告日志）；
2. 解析依赖：strict_deps=True时对缺失依赖和依赖环抛出异常，否则仅告警；
3. 提供访问器：get_skill、get_all_skills、get_skill_names；
4. 生成系统提示词片段：让 LLM 能"浏览"技能；
5. 生成四个工具可调用对象：供 LLM 实际加载 instructions / references / scripts / assets；
6. 追踪指标：逐技能记录load_count、reference_access_count等；
7. 可选能力：缓存结果、应用安全策略、通过 embedding 自动选择最相关技能。

构造函数签名（与源码 skills.py 完全一致）：

Skills( loaders: List[SkillLoader], strict_deps: bool = False, cache_ttl: Optional[int] = None, # 秒；提供后启用 SkillCache on_load: Optional[Callable] = None, on_script_execute: Optional[Callable] = None, on_reference_access: Optional[Callable] = None, auto_select: bool = False, # 将提示词过滤为相关技能 max_skills: int = 5, # auto_select 开启时的上限 embedding_provider: Optional[Any] = None, policy: Optional[Any] = None, # safety_engine 策略或列表 )

4.1get_system_prompt_section(task_description=None)

渲染一个带 XML 标签的区块，列出可用技能以及它们各自的 scripts/references/assets 名称，让 LLM 知道什么可以调用。当auto_select=True且提供了embedding_provider时，会通过_select_relevant_skills用余弦相似度（源码 skills.py 的_cosine_similarity，纯 Python 实现）过滤出与任务最相似的 top-max_skills个技能。示例输出：

<skills_system> ## What are Skills? Skills are packages of domain expertise … ## IMPORTANT: How to Use Skills 1. get_skill_instructions(skill_name) - Load the full instructions 2. get_skill_reference(skill_name, reference_path) - Access documentation 3. get_skill_script(skill_name, script_path, execute=False) - Read or run scripts 4. get_skill_asset(skill_name, asset_path) - Read asset files ## Available Skills <skill> <name>code-review</name> <description>Perform structured code reviews …</description> <scripts>none</scripts> <references>owasp-top-10.md, severity-guide.md</references> </skill> <skill> <name>data-analysis</name> <description>Analyze, explore, clean, and visualize datasets …</description> <scripts>profile_data.py</scripts> <references>statistical-tests-guide.md</references> </skill> … </skills_system>

该结果在设置了cache_ttl时按f"system_prompt:{task_description or ''}"键缓存。提示词中还包含一条重要提醒：技能名不是可调用函数，必须使用四个技能访问工具；且references是文档而非可执行文件，仅当<scripts>列出真实脚本时才应调用get_skill_script。

4.2get_tools(prefix="")—— 四个工具可调用对象

tools = skills.get_tools() # 返回四个普通 Python 可调用对象 # 顺序：get_skill_instructions, get_skill_reference, get_skill_script, get_skill_asset

prefix会改写__name__/__qualname__，避免任务级工具与 Agent 级工具命名冲突。Upsonic 对任务作用域技能使用prefix="task_"（见第 12 节）。

工具	必填参数	可选参数	返回值（JSON 字符串）
get_skill_instructions	skill_name	—	{skill_name, description, instructions, available_scripts, available_references, available_assets, dependencies, version, recommended_tools?}
get_skill_reference	skill_name, reference_path	—	{skill_name, reference_path, content}
get_skill_script	skill_name, script_path	execute=False, args=None, timeout=30	execute=False时：{skill_name, script_path, content}；execute=True时：{stdout, stderr, returncode}
get_skill_asset	skill_name, asset_path	—	{skill_name, asset_path, content}

失败模式一律返回 JSON（绝不抛出异常），让 LLM 可以自行恢复：

{"error": "Skill 'foo' not found", "available_skills": "code-review,>@classmethod def merge(cls, *instances: "Skills") -> "Skills": combined: Dict[str, Skill] = {} for inst in instances: combined.update(inst._skills) return cls(loaders=[InlineSkills(list(combined.values()))])

4.4 其他辅助方法

方法	说明
copy()	浅拷贝：共享 loaders/skills，但指标全新——Team._propagate_skills用它让每个 Agent 独立计量自己
reload()	清空技能字典与缓存，重新执行_load_skills（磁盘技能被编辑时可热更新）
get_metrics()	返回Dict[str, SkillMetrics]
get_active_skill_metrics()/get_active_skill_tools()	返回 Agent 实际加载过的技能的allowed_tools并集，可用于工具绑定策略
__len__、__contains__	便捷运算符

5. 校验：Agent Skills 规范执行

validator.py 实现公开的validate_skill_directory(path)与validate_metadata(meta, skill_dir)。返回人类可读错误列表（空列表即合法）。强制规则（对应源码 validator.py）：

字段	规则
name	非空、≤ 64 字符、小写、仅字母数字与连字符、首尾及连续不得出现连字符、必须与目录名一致（NFKC 归一化后比较）
description	非空、≤ 1024 字符、不得包含<或>（防止提示词注入）
compatibility	字符串，≤ 500 字符
license	字符串
allowed-tools	字符串列表
dependencies	字符串列表
metadata	字典
frontmatter 键	仅允许{name, description, version, license, allowed-tools, metadata, compatibility, dependencies}

校验器还会检查 SKILL.md 必须以---开头且 frontmatter 正确闭合（否则抛SkillParseError）。如果环境未安装pyyaml，会回退到_simple_yaml_parse，保证最小化安装也能工作。

6. 版本控制：SkillVersion+VersionConstraint

version.py 提供 semver 风格版本与复合约束：

SkillVersion.parse("1.2.3") # -> SkillVersion(1, 2, 3) VersionConstraint(">=1.0,<2").satisfies(SkillVersion(1, 4, 0)) # True

每个逗号分隔段支持的运算符：>=、<=、>、<、==、!=。LocalSkills(version_constraint="…")用它过滤返回的技能——不满足约束、版本无效或无版本的技能，其处理逻辑在 local.py：无版本技能默认仍被包含，并输出 debug 日志。

7. 缓存：SkillCache

cache.py 是一个极简内存 TTL 缓存，按字符串键存储，由Skills在传入cache_ttl时创建（默认 TTL 300 秒，Skills传入时以cache_ttl为准）。缓存两类数据：

• system_prompt:<task_description>——get_system_prompt_section的输出；
• instructions:<skill_name>——_get_skill_instructions的输出。

invalidate()清空全部条目（Skills.reload()会调用它）。

8. 安全与脚本执行：utils.py

utils.py 是安全关键模块：

函数	职责
is_safe_path(base, requested)	解析requested并确认其停留在base内（Path.resolve()+is_relative_to），防路径穿越
parse_shebang(script_path)	从#!/usr/bin/env -S node等行解析出python3、bash、node
get_interpreter_command(name)	将python*映射到sys.executable，从而保留当前虚拟环境
run_script(...)	subprocess.run+ timeout；Windows 下因无法原生执行 shebang，会先解析 shebang 再构造命令
read_file_safe(path)	UTF-8 读取，错误显式上抛

ScriptResult是一个小数据类(stdout, stderr, returncode)，由run_script返回。Unix 下run_script的执行策略：有 shebang 则用映射后的解释器；.py后缀默认sys.executable；.sh/.bash默认bash；否则确保可执行位后直接执行。

9. 依赖图算法：dependency.py

dependency.py 提供三个图算法：

get_missing_dependencies(skills) -> Dict[name, [missing_dep, …]] detect_cycles(skills) -> List[List[name]] # 三色 DFS resolve_load_order(skills) -> List[name] # Kahn 拓扑排序

Skills._load_skills加载完成后调用get_missing_dependencies和detect_cycles：strict_deps=True时任一问题都致命（抛SkillValidationError），否则仅记 warning。resolve_load_order面向需要按依赖顺序遍历技能的调用方，检测到环时会抛SkillValidationError并报告环路径。

10. 加载器家族：从文件系统到远程归档

10.1SkillLoader—— 唯一接口契约

loader/base.py：

class SkillLoader(abc.ABC): @abc.abstractmethod def load(self) -> List[Skill]: ...

整个契约只有这一个方法。任何实现它的类都可以接入Skills(loaders=[…])。

10.2LocalSkills—— 文件系统主力加载器

loader/local.py 接受两类路径：

• 单个技能文件夹（内部直接含SKILL.md）；
• 技能文件夹的父目录。

它完成 SKILL.md 的真实解析：

1. 可选执行validate_skill_directory（validate=True默认开启，开发期可关）；
2. 用正则^---\s*\n(.*?)\n---\s*\n?(.*)$把 frontmatter 与指令正文分开；
3. 用pyyaml解析（无 pyyaml 时回退_parse_simple_frontmatter）；
4. 从顶层version或metadata.version读取版本；
5. 列出scripts/、references/、assets/下的文件（排序、跳过隐藏文件）；
6. 可选按version_constraint用VersionConstraint过滤。

10.3InlineSkills—— 编程式注册

loader/inline.py 包装内存中的Skill对象列表，用于两种场景：用户代码不落盘直接注册技能；Skills.merge作为快照 loader。validate=True时通过validate_metadata执行 name/description/dependency 规则（默认False）。

10.4BuiltinSkills—— 随包内置技能

loader/builtin.py 通过importlib.resources.files(...)定位upsonic.skills.builtins/（可编辑安装与 wheel 安装均可用），然后委托给LocalSkills。skills=[…]可选过滤暴露哪些内置技能；available_skills()列出所有含SKILL.md的内置文件夹名。内置技能预校验，默认validate=False。

10.5RemoteSkillLoader—— 下载型加载器基类

loader/remote_base.py 为任何需要下载的加载器实现公共逻辑：

• 每来源独立缓存目录~/.upsonic/skills_cache/<loader_name>/<sha256-of-source-key 前16位>/；
• 通过.cache_meta.json文件实现 TTL 新鲜度检查（默认cache_ttl=3600秒）；
• force_refresh绕过缓存强制重新下载；
• 解压后委托LocalSkills加载。

子类只需实现_download(target_dir)与_source_key()两个抽象方法。

10.6GitHubSkills—— 从 GitHub 仓库加载

loader/github.py 下载https://api.github.com/repos/{owner}/{name}/tarball/{branch}，经httpx流式读取，受_MAX_DOWNLOAD_SIZE = 100 MB守卫，仅解压path/（默认skills/）下的文件。自动识别 tarball 根前缀，跳过符号链接与含..的穿越条目；支持GITHUB_TOKEN/GH_TOKEN环境变量鉴权；skills=[…]可限制只取 tarball 内的特定技能目录。需要httpx（未安装时抛SkillDownloadError并给出安装提示）。

10.7URLSkills—— 通用 URL 归档

loader/url.py 与 GitHub 版本形态相同，但面向任意 URL 上的.tar.gz/.tgz或.zip归档。从扩展名或 zip 魔数PK\x03\x04自动识别归档类型，同样具备 100MB 上限与路径穿越/符号链接防护。

11. 内置技能一览

builtins/目录随 Upsonic 发布三个预校验技能：

技能	教给 Agent 什么	脚本	参考文档
code-review	多维代码评审（正确性、安全性、性能…）	—	severity-guide.md、owasp-top-10.md
data-analysis	数据清洗、探索、统计分析、A/B 测试、沟通	profile_data.py	statistical-tests-guide.md
summarization	高管/技术/研究/会议/变更日志摘要	—	summary-templates.md

每个 SKILL.md 都有 YAML frontmatter（name、description、metadata.version、metadata.author、metadata.tags）和以第二人称写就的详细指令（例如"在发表任何评论前通读全部代码"）。例如 builtins/data-analysis/SKILL.md 明确指引 LLM 使用哪个工具调用：

- Execute `profile_data.py` with a data file path to get a quick profile … - Load `statistical-tests-guide.md` when choosing statistical tests …

配套脚本 builtins/data-analysis/scripts/profile_data.py 是真实可运行的带argparseCLI 的 Python 程序——当 Agent 调用get_skill_script("data-analysis", "profile_data.py", execute=True, args=["data.csv", "--output", "json"])时，Skills经utils.run_script真正 shell 出去执行并返回 stdout/stderr/returncode。

12. 与 Upsonic 框架的集成

12.1Agent.skills

在 src/upsonic/agent/agent.py：

# Register skill tools if skills are provided if self.skills is not None: self.tools.extend(self.skills.get_tools())

构造时，四个技能工具（get_skill_instructions…get_skill_asset）像普通工具一样被追加进 Agent 的工具列表。Agent.skill_metrics()暴露Skills.get_metrics()。

12.2Task.skills

Task.__init__接受可选skills参数（src/upsonic/tasks/tasks.py）。运行时 Agent 以带前缀的方式注册任务级技能工具（agent.py）：

# Register task-level skill tools with prefix to avoid name collision if hasattr(task, 'skills') and task.skills is not None: tools_to_register.extend(task.skills.get_tools(prefix="task_"))

这让同一个 Agent 可以同时暴露两套独立技能库（自己的 + 任务的）而不产生命名冲突——任务级版本名为task_get_skill_instructions、task_get_skill_reference等。任务还会通过Task._pickle/_unpickle用 cloudpickle 序列化技能，使其在跨进程调度中存活。

12.3 系统提示词构造

src/upsonic/agent/context_managers/system_prompt_manager.py 决定注入哪个技能摘要区：

agent_skills = getattr(self.agent, 'skills', None) task_skills = getattr(self.task, 'skills', None) if self.task else None if agent_skills is not None and task_skills is not None: from upsonic.skills import Skills merged = Skills.merge(agent_skills, task_skills) # task overrides agent skills_section = merged.get_system_prompt_section() elif agent_skills is not None: skills_section = agent_skills.get_system_prompt_section() else: skills_section = task_skills.get_system_prompt_section() if skills_section: prompt_parts.append(skills_section)

这就是<skills_system>区块进入每个系统提示词的方式。

12.4Team传播

src/upsonic/team/team.py 的_propagate_skills沿团队图递归传播技能：

• 每个Agent实体获得自己的Skills.copy()（保证逐 Agent 指标独立）；
• 若实体已有技能，团队用Skills.merge(skills, entity.skills)合并（实体技能冲突时获胜）；
• entity.add_tools(entity.skills.get_tools())在每个接收 Agent 上重新注册四个工具；
• 子Team递归处理。

12.5 Autonomous Agent

src/upsonic/agent/autonomous_agent/autonomous_agent.py 将skills参数直通底层Agent构造函数（skills=skills），因此 prebuilt 自治代理同样继承渐进式发现流程。

13. 端到端实战：从配置到技能执行

13.1 组装一个带技能的 Agent

from upsonic import Agent, Task from upsonic.skills import ( Skills, LocalSkills, BuiltinSkills, GitHubSkills, InlineSkills, Skill ) skills = Skills( loaders=[ BuiltinSkills(), # 随 Upsonic 内置 LocalSkills("/etc/team-skills"), # 团队共享文件系统 LocalSkills("./project-skills", # 项目专属 + 版本约束 version_constraint=">=1.0.0,<2.0.0"), GitHubSkills(repo="acme/skills-library", branch="main", path="skills/"), InlineSkills([ # 编程式注册 Skill(name="hello", description="Say hi politely.", instructions="Always greet the user by name.", source_path=""), ]), ], cache_ttl=600, # 缓存指令 10 分钟 strict_deps=False, auto_select=False, # 置 True + embedding_provider 可启用过滤 ) agent = Agent( model="anthropic/claude-sonnet-4-6", skills=skills, )

13.2 Agent 在系统提示词中看到什么

容器通过get_system_prompt_section注入<skills_system>区块，列出每个已加载技能的摘要、可用脚本/引用/资产，以及"如何使用技能工具"的规则和 4 步渐进式发现工作流。

13.3 LLM 选中技能后发生了什么

第 1 步 Browse—— 模型阅读摘要区块。

第 2 步 Load—— 模型发出工具调用：

{"tool": "get_skill_instructions", "args": {"skill_name": "data-analysis"}}

Skills._get_skill_instructions的内部流程（skills.py）：

• 检查SkillCache（键instructions:data-analysis）；
• 查找Skill对象，不存在则返回带available_skills的错误 JSON；
• 将技能名加入self._active_skills（供工具绑定策略使用）；
• 对指令正文运行安全策略（_validate_content），被拦截时返回{"error": "Content blocked by policy: …"}；
• 记录metrics.record_load(chars=len(result))；
• 触发on_load(name, description)回调（若配置）；
• 缓存并返回 JSON 字符串。

第 3 步 Reference—— 模型需要统计检验决策矩阵：

{"tool": "get_skill_reference", "args": {"skill_name": "data-analysis", "reference_path": "statistical-tests-guide.md"}}

经is_safe_path针对<source_path>/references/校验，read_file_safe读取，策略检查，更新指标后以 JSON 返回。

第 4 步 Script—— 模型调用内置剖析脚本：

{"tool": "get_skill_script", "args": {"skill_name": "data-analysis", "script_path": "profile_data.py", "execute": true, "args": ["data.csv", "--output", "json"], "timeout": 30}}

_get_skill_script的流程（skills.py）：

• 校验script_path在skill.scripts中；
• 经is_safe_path解析到<source_path>/scripts/下；
• 调用utils.run_script—— 解析 shebang（#!/usr/bin/env python3），把python3映射为sys.executable以复用当前虚拟环境，执行subprocess.run(..., timeout=30, cwd=skill.source_path)；
• 返回{stdout, stderr, returncode}JSON；
• 递增metrics.script_execution_count；超时返回Script execution timed out after 30 seconds错误 JSON。

第 5 步 Asset—— 资产文件通过get_skill_asset(skill_name, asset_path)直接返回文件内容（模板、字体、示例 CSV 等）。

13.4 清理、可观测性与错误路径

• agent.skill_metrics()返回Dict[str, dict]逐技能计数器，可用于遥测与技能策展（"哪些技能配得上提示词里的位置"）；
• Skills.get_active_skill_tools()返回模型实际加载过的技能声明的allowed_tools并集，让 Upsonic 其他部分可依据技能激活状态门控其他工具；
• 所有错误（技能不存在、路径非法、穿越尝试、超时、策略拦截、解释器缺失）都以 JSON 字符串返回而非抛出，LLM 可以继续对话并自我恢复；
• Skills.reload()失效缓存并重跑加载器，适合磁盘技能运行时被编辑的场景；
• 远程加载器按~/.upsonic/skills_cache/<loader>/<hash>/落盘缓存，由 loader 自身的cache_ttl控制新鲜度（与Skills(cache_ttl=…)的内存提示词缓存相互独立）。

最终效果：Upsonic Agent 拥有一座可选择性取用的结构化专长库，只为实际决定使用的技能支付提示词 token 成本，而框架把加载、校验、沙箱、缓存与可观测性都从 Agent 作者那里抽走。

14. 测试验证

仓库为 Skills 系统提供了完整的测试覆盖，可作为行为契约参考：

• 单元测试：tests/unit_tests/skills/test_skills_container.py（容器初始化、多 loader 加载、后 loader 覆盖、访问器）、tests/unit_tests/skills/test_skill_loaders.py、tests/unit_tests/skills/test_skill_metrics.py；
• 冒烟测试：tests/smoke_tests/skills/ 下的test_skill_agent_integration.py、test_skill_task_integration.py、test_skill_team_integration.py、test_skill_tool_prefixing.py（验证默认无前缀与task_前缀工具名，见 test_skill_tool_prefixing.py）、test_skill_version_filtering.py、test_skill_github_loader.py、test_skill_safety_policies.py、test_builtin_skills_agent.py等。

总结

Upsonic 的 Skills 系统用一套精炼的契约（SkillLoader.load→Skill→Skills容器 → 四个工具）实现了"小提示词 + 大知识库"的渐进式能力供给：加载器家族覆盖本地、内联、内置与远程来源；validator、is_safe_path、安全策略与超时机制共同构成安全边界；版本约束、依赖解析、TTL 缓存与逐技能指标让大规模技能库可治理、可观测。结合 Agent、Task、Team 的三级集成（前缀命名、Skills.merge、_propagate_skills），你可以把同一套技能体系平滑地从小型单 Agent 扩展到多智能体团队。

【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant