AMAnalyze
一个支持工具调用与历史管理的多轮对话助手开发框架。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：AMAnalyze。 它的用途是：一个支持工具调用与历史管理的多轮对话助手开发框架。 完整的 Skill 内容见：https://321skill.com/skills/amanalyze/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我计算一下 (1250 * 0.08) / 12 是多少？”，它会自动调用内置的计算器技能并返回精确结果。在后续对话中，你可以说：“回顾一下我们刚才关于计算的对话”，它便能从历史记录中调出之前的交互过程。
介绍
AMAnalyze 是一个基于 LangChain 和 Streamlit 构建的多轮对话助手框架，旨在解决开发者快速搭建具备工具调用和会话管理能力的 AI 应用原型的问题。它提供了一个可扩展的 Agent 核心和直观的 Web 界面，让开发者能专注于技能（Skill）的开发与集成。
使用方式非常灵活，开发者既可以通过命令行（python agent.py）进行快速测试与交互，也可以通过启动 Streamlit Web 界面（streamlit run app.py）来获得一个带有会话管理、历史记录查看和工具调用跟踪功能的图形化操作环境，便于演示和日常使用。
该框架非常适合希望探索 Agent 开发、需要为内部团队构建定制化对话工具，或进行相关教学演示的开发者。无论是智能体开发、全栈开发还是学术研究者，都能利用其模块化结构快速验证想法。
需要注意的是，项目默认依赖 DeepSeek API，使用前需配置相应的环境变量。其对话历史以 JSON 格式本地存储，适合轻量级使用，但在需要高并发或持久化到数据库的生产场景下可能需要进行二次开发。
核心特点
与许多仅提供对话功能的助手不同，AMAnalyze 明确设计了可插拔的技能（Skill）目录结构和标准的技能开发规范，并内置了完整的对话历史管理（包括会话创建、切换、删除和 JSON 格式持久化），使得工具调用的跟踪和回溯变得非常清晰。
注意事项
不适合需要高并发访问、复杂权限管理或企业级对话持久化（如数据库）的生产环境直接部署。
常见问题
如何添加自己的工具或技能？
在 skills/ 目录下新建文件夹，按照示例创建 SKILL.md 和实现 run() 函数的 skill.py 文件即可。
对话历史存储在哪里？
所有对话历史均以 JSON 文件形式自动保存在项目根目录的 conversations/ 文件夹下。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/amanalyze/raw/index.md 读取 AMAnalyze 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/amanalyze/raw/index.md（查看排版版本）