我给它定下的规则很简单：必须的参数放arguments，可选的修饰和输出模式放options，输出格式相关的参数（比如要不要JSON格式、安静模式、详细模式、调试模式）要统一存在，方便脚本调用和人直接使用。当你对agent说“帮我从零设计一个命令行工具”的时候，它会先帮你判断这个工具应该是什么类型：是那种简单的单命令工具，还是需要读取配置文件的配置驱动型工具，还是需要多轮对话的交互式助手，亦或是几

本文探讨了AI编程中Agent系统面临的核心挑战——如何确保任务可靠完成并从错误中持续学习。文章提出Agent Engineering Toolkit（AET）解决方案，通过六类可训练资产（Skill、审计规则、评审策略等）的系统性协同演进，构建可信的工程闭环。AET采用"证据优先"设计，强调结构化验证而非自我报告，使同一份证据既能用于交付审计，又能反馈改进治理体系。这种统一适配器架构不仅实现代码

随着AI编程工具能力提升，开发者面临的核心挑战转向验证代码修改的准确性与合规性。Agent Engineering Toolkit（AET）通过记录AI编程过程、设置修改边界检查、划分PASS/FAIL/UNKNOWN验证状态等级，帮助追踪AI修改行为。该工具强调保持"未知状态"透明度，避免虚假安全，提供变更审计、意图门禁、仓库演进分析功能，适配专业开发者与非技术人员。本地化运行确保隐私安全，最终

文章摘要： stock-analysis 是一个专注于股票市场深度复盘的技能，旨在解决投资者面临的“数据丰富却洞察匮乏”困境。不同于传统行情查询或AI股评，它构建了一套证据驱动的分析框架，将市场拆解为六大模块（大盘指数、板块资金、赚钱效应、下跌风险、特征分组、综合风险），通过严格的数据核验与多源适配（覆盖A股、港股、美股及基金），生成可追溯的复盘报告。

我给它定下的规则很简单：必须的参数放arguments，可选的修饰和输出模式放options，输出格式相关的参数（比如要不要JSON格式、安静模式、详细模式、调试模式）要统一存在，方便脚本调用和人直接使用。当你对agent说“帮我从零设计一个命令行工具”的时候，它会先帮你判断这个工具应该是什么类型：是那种简单的单命令工具，还是需要读取配置文件的配置驱动型工具，还是需要多轮对话的交互式助手，亦或是几