说到使用者痛点，从“会说话”到可管理 Agent 的挑战

Agent Hub：五类可管理资产

我们团队开发的 Agent Hub 正是为了解决上述痛点而生。它把散落在代码、文档和接口中的 AI 能力，整理成以下五类资产：

• ToolAgent 可以调用的原子工具；不过，
• Skill带有说明、脚本和参考资料的复合能力包；老实说，
• Prompt可编辑、可版本化的提示词资产；
• Agent组合模型、Prompt、Tool、Skill 与 Workflow 的运行单元；
• Trace用于回答“这次调用到底发生了什么”的观测记录。话说回来，

If we compare an Agent to a digital team:

• Tool 是手里的工具；
• Skill 是工作手册；老实说，
• Prompt 是岗位说明；
• Agent 是员工本身；不过，
• Trace 是完整的工作日志。

主要 UI 展示

提示词管理

S​kill 管理

观测网站

Agent 编辑器

一、资产不是孤岛——关联关系图谱

Tool ──┐ Skill ─┼──► Agent ───► 运行与调试 ───► Trace Prompt ┤Workflow ┘

Agent 的创建过程是一场能力编排，而不是简单填写表单：

• Select 大模型并元数据配置参数；
• Select 已发布的 Prompt 版本；
• Bind 指定版本的 Skill；怎么说呢，
• Add 算法工具并维护输入参数 Schema；
• Select Workflow；
• Configure 最大步骤数、最长运行时间、Token 上限等运行边界；
• Easily debug 多轮对话于右侧预览区。说起来，

The editing experience is split into multiple modules: 基础信息弹窗、三栏画布、资产选择器、算法工具配置还有预览/附件上传等。

Create 时先保存草稿骨架，再进入画布继续编排；“保存并发布”先保存最新编排，再执行发布。避免出现 “发布成功但仍是旧版本” 的中间状态。

二、版本管理——防止能力漂移

A key difference 娱乐ween AI 资产 and ordinary form data is that y are referenced by or assets.

• A Tool’s endpoint change。a Skill’s script replacement,or a Prompt rewrite can all alter behavior of live Agents.

The platform refore distinguishes 娱乐ween “普通信息” and “主要内容”。话说回来，至于修改规则如下。

• • 修改名称/描述等普通信息 → 更新当前草稿。

• • 修改已发布资产的主要内容 → 提示使用者创建新版本。

• • 所有历史版本均可查看，并依据状态执行启用/禁用。其实，

• • Agent 对 Skill 与 Workflow 等关联资产使用明确版本号。Prompt 则从已发布版本导入内容，不依赖随时变化的名称。

The guiding principle: "被复用的能力必须可追溯，可追溯的能力必须有版本".

A stable signature helps detect changes automatically:

function manifestSignature {
if return undefined;return JSON.stringify({
entryFile: manifest.entryFile。files:
.map(file => ({
说到path，file.path,size: file.size?，0,checksum: file.checksum?，''。}))
.sort => l.path.localeCompare),});}

三、状态·权限·产品线约束

. 状态约束

The platform enforces draft / published / disabled states for every asset. UI elements appear only when current state permits operation. For example:

• • 发布草稿 → 推动进入已发布状态。

• • 禁用已发布版本 → 修改对应 version 的可用标记，而非整体资产编码。按理说，

. 权限约束

User roles dictate visible product lines and editable assets. All permission calculations are centralized in a Hook that returns:

• • 可见 Tab 列表。其实，

. 产品线约束

Eeach asset carries a product affiliation. When querying “全部”。管理员可以省略 productId，而普通使用者必须在自己有权限的产品集合内进行过滤。其实，

四、按需加载 —— 性能与正确性的双保险

The Agent canvas needs Skill / Prompt / Workflow choices,but loading all associated assets on list page would be wasteful.

L​ist Light Load: Edit‑time Enrichment: S​kill/Prompt Parallel Fetch: S​econd‑level Filtering:

This two‑layer approach solves performance and correctness simultaneously.

五、Agent 画布 —— 配置 + 调试 = 工作台

A traditional table‑plus‑modal UI works for simple assets,but an Agent is a workflow from role definition → capability binding → runtime verification.

从左栏来看，Prompt + 模型 + 参数
至于中栏，Tool + Skill + Workflow + 运行限制
至于右栏。预览调试 + 多轮会话

This three‑column layout creates a short feedback loop:

Edit Prompt or Model Params → Immediate preview call without leaving page → Adjust left pane again.

The preview handles two typical AI challenges:

• Session Management – create sessionId on canvas entry,reuse across turns,reset when cleared.

• Streaming SSE – parse events incrementally,render text & media resources .

六、Trace —— 为每一次运行提供证据链

An Agent without observability is like a black‑box employee delivering results without explanation.

The Trace module records every execution step,links it to product line & version,and offers rich filtering.

• 查询条件：产品线、时间区间等。

• 明细抽屉展示结构化步骤树。&rc

This data serves both troubleshooting and governance:

a. Detect frequently timed‑out Tools;a.b Identify Prompts causing abnormal Token consumption;c. Spot failure patterns tied to specific models or workflows;d. Compare success rate & cost before/after new version releases. }

让能力有秩序地流动才是网站壁垒

The most valuable takeaways from Agent Hub are not specific tables or API snippets but its systematic organization of AI capabilities:

Tool / Skill / Prompt / Agent 被视为拥有归属、状态和版本的独立资产；li="">Agent 通过显式版本或内容导入组合这些资产，防止隐式漂移；li="">服务层统一屏蔽多后端协议，路由 & Hook 保持业务边界清晰；li="">画布将配置与调试合并成同一反馈回路；li="">Trace 为发布后行为提供完整可追溯证据。

When model capabilities become commoditized,real moat shifts from “which model we use” to “how reliably we can organize。reuse and govern those capabilities”. A mature Agent should not be merely a successful model call—it should be a publishable,observable,evolvable digital ability assembled from well‑managed assets.

。

---