designing-real-world-ai-agents-workshop
构建深度研究+技术写作的多智能体系统实战工作坊
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：designing-real-world-ai-agents-workshop。 它的用途是：构建深度研究+技术写作的多智能体系统实战工作坊 完整的 Skill 内容见：https://321skill.com/skills/designing-real-world-ai-agents-workshop/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
‘帮我研究一下最近大模型推理优化的最新技术趋势，并生成一份简要的研究报告。’ 深度研究智能体会自动进行网络搜索和视频内容分析，整理成结构化的`research.md`文件。接着，你可以对写作智能体说：‘基于这份报告，起草一篇面向技术人员的LinkedIn帖子。’ 写作智能体会启动评估-优化循环，生成初稿后，调用LLM作为裁判对文案的吸引力、专业性等进行评分并反复优化，最终输出高质量的帖子草稿。
介绍
这是一个来自AI Engineering Conference Europe的实战工作坊，旨在指导开发者构建一个集成了深度研究和内容创作功能的多智能体AI系统。该系统包含两个核心MCP服务器：一个能进行基于Google搜索和YouTube视频分析的深度研究智能体，以及一个通过评估-优化循环生成高质量LinkedIn帖子的写作工作流。它们可以连接到Claude Code或Cursor等开发工具中，实现从研究到内容产出的自动化。
使用方式非常灵活，提供了三种路径：你可以花2小时观看完整工作坊视频理解设计模式；也可以花30分钟直接运行仓库代码，观察系统生成研究报告和优化LinkedIn文案的全过程；或者花2-4小时，使用仓库提供的骨架代码和25个预定义任务，在AI智能体的辅助下从零开始亲手实现整个系统。
这个工作坊非常适合希望深入理解多智能体系统架构、MCP服务器开发以及如何将AI集成到实际工作流程中的开发者、技术写作者和AI工程师。它不仅提供了代码，更提供了一套完整的学习和构建方法论。
建议初学者先从观看视频开始，建立整体认知；有一定经验的开发者可以直接运行代码体验效果；而想要深度学习并构建个人项目的开发者，强烈推荐尝试‘亲手实现’路径，这能带来最深刻的理解。
核心特点
1. 提供“从观看、运行到亲手构建”的三层渐进式学习路径，特别是‘implement_yourself’目录通过隔离环境设计，强制用户通过智能体协作从零编码，而非简单复制粘贴，确保了深度学习效果。2. 系统集成了独特的“评估-优化循环”写作工作流，利用LLM作为裁判对生成内容进行多轮评分和迭代优化，显著提升了输出质量。
注意事项
该项目主要是一个教学导向的工作坊材料，并非开箱即用的生产级应用，需要用户具备一定的Python和AI开发基础进行配置和二次开发。
常见问题
需要什么前置知识才能学习这个工作坊？
需要基本的Python编程知识，对LLM、API调用有初步了解，并熟悉命令行操作。了解MCP（Model Context Protocol）概念更有帮助。
‘亲手实现’模式真的看不到参考答案吗？
是的，设计上‘implement_yourself’是一个独立目录，当你在该目录中启动开发工具时，AI智能体无法访问上级的‘src’源代码目录，确保构建过程是真实的。
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/designing-real-world-ai-agents-workshop/raw/index.md 读取 designing-real-world-ai-agents-workshop 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/designing-real-world-ai-agents-workshop/raw/index.md（查看排版版本）