llm-do
一个可编程的AI智能体执行框架，支持神经与符号计算的动态转换。
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：llm-do。 它的用途是：一个可编程的AI智能体执行框架，支持神经与符号计算的动态转换。 完整的 Skill 内容见：https://321skill.com/skills/llm-do/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
“帮我分析这个用户反馈数据集，提取主要痛点并生成改进建议报告。” 它会先调用一个数据分析Agent进行初步理解和分类，再调用一个Python工具进行数据清洗和统计，最后将结果交给报告撰写Agent生成结构化报告。整个过程由你的代码控制，并可以随时将稳定的分析步骤固化为Python函数。
介绍
llm-do 旨在解决AI智能体开发中灵活性与确定性难以兼顾的问题。它将LLM推理（神经计算）和Python代码（符号计算）统一在一个执行模型中，开发者可以用相同的调用方式使用Agent或工具，并能在两者间自由迁移计算逻辑。
使用上，开发者通过定义项目清单（project.json）和.agent文件来构建智能体。项目通过命令行启动，智能体之间、智能体与工具之间可以像函数一样互相调用。框架底层提供了一个类似操作系统的“Harness层”，采用命令式编程而非声明式图编排，让开发者用原生Python控制流程。
该框架非常适合需要将AI的模糊推理能力与代码的精确控制相结合的开发者，如构建复杂工作流、需要逐步将AI模式固化为代码，或处理大量边缘情况的场景。
建议从官方示例入手，理解其“可移动边界”的核心思想。注意，它不是一个开箱即用的应用，而是需要一定编程基础的开发框架，适合嵌入到现有项目中或用于构建新的智能体应用。
核心特点
核心区别在于提出了“可移动的边界”理念，允许开发者将不稳定的LLM模式逐步固化为可测试的代码，或将僵化的代码逻辑在遇到复杂情况时“软化”回LLM处理，实现了神经与符号计算的动态、双向迁移。其命令式的“Harness层”编排方式，也不同于常见的基于状态机或图DSL的智能体框架，让开发者能用熟悉的Python语法（if/for/try）进行流程控制。
注意事项
不适合希望零代码、通过图形界面快速搭建简单AI应用的普通用户，需要一定的Python编程基础。
常见问题
llm-do 和 LangChain、AutoGen 有什么区别？
llm-do 强调神经与符号计算的统一执行模型和可移动边界，采用命令式代码编排而非声明式图；LangChain/AutoGen 更侧重于提供预构建的链、代理和工具库，以及多智能体对话框架。
一定要用 .agent 文件吗？能否纯代码调用？
支持。除了通过项目清单和.agent文件运行，llm-do 也支持以编程方式嵌入到现有Python代码中，直接调用其VM执行能力。
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/llm-do/raw/index.md 读取 llm-do 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/llm-do/raw/index.md（查看排版版本）