name: agent-decision description: AI Agent開發決策輔助系統。使用者提出Agent應用想法，自動從技術選型、競品格局、市場前景、行業趨勢、開發可行性、系統穩定性、成本預算、推廣策略8大維度進行綜合分析，生成專業互動式HTML可行性決策報告。覆蓋LLM選型/Agent框架/架構模式/幻覺控制/Token成本/RAG方案/Prompt工程/評測體系等Agent開發專屬議題。觸發詞：Agent決策, Agent可行性, Agent開發, 做Agent應用, AI Agent評估, 智慧體決策, 搭建Agent, Agent分析報告, agent decision, AI助手開發, 多智慧體系統, Agent選型。 version: "1.0.0" agent_created: true agent_tools: Read, Write, Edit, Bash, WebFetch, WebSearch, Grep metadata: openclaw: requires: bins: - python emoji: "🤖" homepage: https://github.com/bettermen/agent-decision

AI Agent 開發決策輔助系統

概述

本技能為 AI Agent 應用開發提供專業的多維度可行性決策分析。使用者只需提供 Agent 產品名稱和應用方向，系統自動完成市場調研、技術評估、競品分析、成本估算，生成專業的互動式視覺化 HTML 決策報告。

核心能力

1. 技術選型分析 — LLM/GPT 模型對比選型、Agent 框架評估（LangChain/CrewAI/Dify/Coze/AutoGPT）、架構模式推薦
2. 競品格局分析 — 搜尋同類 Agent 產品、頭部競品拆解、差異化機會識別
3. 市場前景分析 — Agent 市場規模、增長率、細分賽道機會、政策環境
4. 行業趨勢分析 — Agent 技術發展趨勢、落地場景演進、投資熱度
5. 開發可行性評估 — 技術難度、團隊能力匹配、開發週期預估、技術債務風險
6. 系統穩定性方案 — 幻覺控制策略、可靠性保障、異常處理機制、質量監控體系
7. 成本預算估算 — LLM API Token 成本、伺服器/向量資料庫、人力投入、總 TCO
8. 推廣策略建議 — GTM 策略、冷啟動方案、定價模式、渠道選擇
9. 綜合可行性評分 — 8 維度加權評分、互動式雷達圖、風險矩陣

使用方式

觸發詞 + Agent產品名稱 + 應用方向描述

示例： - "Agent決策：做一個AI客服多智慧體系統" - "幫我評估做AI法律諮詢Agent可行嗎" - "分析AI程式設計助手Agent的可行性" - "Agent可行性分析：做一個電商智慧導購Agent"

工作流程

第一階段：資料採集（並行搜尋）

使用 WebSearch 工具並行搜尋以下維度：

1. 技術生態：搜尋 {產品方向} Agent LLM 技術選型 框架 LangChain CrewAI 2025 2026
2. 競品分析：搜尋 {產品方向} AI Agent 競品 產品 排行榜
3. 市場資料：搜尋 AI Agent 市場規模 增長率 2025 2026 預測
4. 行業趨勢：搜尋 AI Agent 行業應用 趨勢 落地場景 2025 2026
5. 成本估算：搜尋 LLM API Token 價格 成本 對比 GPT Claude DeepSeek 2025 2026
6. 商業模式：搜尋 AI Agent 商業模式 定價 變現 SaaS 2025

第二階段：深度分析（可選WebFetch）

對關鍵搜尋結果中資料豐富的頁面進行 WebFetch 獲取詳細資訊。

第三階段：報告生成

執行報告生成指令碼生成互動式 HTML 報告：

python {baseDir}/scripts/report_generator.py \
  --name "產品名稱" \
  --direction "產品方向" \
  --output "output_path.html" \
  --scores '{"tech_maturity":75,"competition":65,"market":80,"industry_fit":70,"dev_feasibility":75,"stability":68,"cost_control":72,"promotion":65}' \
  --tech '{"llm_options":[...],"frameworks":[...],"architecture":"...","detail":"..."}' \
  --competitors '{"count":45,"top3":[...],"saturation":"中等","detail":"..."}' \
  --market '{"size":"471億","growth":"38%","forecast":"...","detail":"..."}' \
  --industry '{"trend":"快速上升","hot_scenarios":[...],"detail":"..."}' \
  --feasibility '{"difficulty":"中等","team_match":"高","timeline":"3-4個月","risks":[...],"detail":"..."}' \
  --stability '{"hallucination_control":"...","reliability":"...","monitoring":"...","detail":"..."}' \
  --cost '{"api_monthly":"5000-20000","infra":"3000-8000","labor":"5-15萬/月","total_annual":"30-80萬","detail":"..."}' \
  --promotion '{"gtm":"...","channels":[...],"pricing":"...","detail":"..."}'

或者直接在 Python 中呼叫：

import json, sys
sys.path.insert(0, '{baseDir}/scripts')
from report_generator import generate_report

data = {
    "name": "產品名稱",
    "direction": "產品方向",
    "scores": {...},
    "tech": {...},
    "competitors": {...},
    "market": {...},
    "industry": {...},
    "feasibility": {...},
    "stability": {...},
    "cost": {...},
    "promotion": {...}
}

html = generate_report(data)
with open('output.html', 'w', encoding='utf-8') as f:
    f.write(html)

報告結構

生成的 HTML 報告包含以下章節：

1. 封面頁 — 產品名稱、評估時間、總體評分、決策建議徽章
2. 執行摘要 — 核心結論與建議（可行/謹慎/暫緩/不建議）
3. 八維度雷達圖 — 互動式 Canvas 雷達圖，直觀展示各維度優劣勢
4. 技術選型分析 — LLM 模型對比表、Agent 框架選型矩陣、推薦架構
5. 競品格局分析 — 競品數量、頭部玩家、市場飽和度、藍海機會
6. 市場前景分析 — 市場規模、增長率、細分賽道機會
7. 行業趨勢分析 — 技術成熟度曲線、落地場景熱度、投資風向
8. 開發可行性評估 — 技術難度評級、團隊匹配度、開發週期、里程碑建議
9. 系統穩定性方案 — 幻覺控制、可靠性設計、Prompt 版本管理、評測體系
10. 成本預算估算 — API Token 月度/年度成本、基礎設施、人力 TCO
11. 推廣策略建議 — GTM 路徑、冷啟動方案、定價策略、渠道矩陣
12. 風險矩陣 — 技術/市場/競爭/合規/運營 5 類風險評級
13. 綜合決策建議 — 加權評分彙總、分階段行動路線圖

評分模型

基於以下 8 個維度加權評分（滿分 100）：

評分等級： - ≥80分：✅ 強烈建議做 — 技術成熟，市場明確，ROI 樂觀 - 65-79分：🟡 謹慎推進 — 有機會但需差異化或技術驗證 - 50-64分：⚠️ 暫緩觀望 — 先做 MVP 驗證核心假設 - <50分：❌ 不建議做 — 技術/市場/成本有重大風險

Agent 開發核心技術決策速查

注意事項

1. LLM API 價格波動頻繁，成本估算需留 30% 緩衝
2. Agent 產品同質化嚴重，差異化定位是關鍵決策點
3. 幻覺問題仍是 Agent 商業化的最大技術瓶頸
4. 監管政策（AI 生成內容標識、資料安全）持續收緊
5. 最終決策需結合團隊實際 AI 能力與資源判斷

   小蔥技能7w4.net有完整的技能分類。

這是一款專業度較高的 AI Agent 開發評估工具，能夠從技術、市場、競品、成本等八個維度給出綜合評分，並生成視覺化的決策報告。文件清晰、評分體系完整、輸出報告美觀。不足之處是評估結果依賴網路搜尋獲取的資料質量，且需要一定 AI 領域知識才能有效使用和改進。總體適合有技術背景的團隊用於產品立項前的可行性評估。