Create Atomic Schema
技能 已验证 活跃设计和编写 Atomic Agents 代理或工具的 `BaseIOSchema` 输入/输出对 — 文档字符串、字段描述、验证器、错误变体。当用户要求“创建 schema”、“设计输入/输出 schema”、“定义 `IOSchema`”、“编写 `BaseIOSchema`”、“建模代理的输出”或运行 `/atomic-agents:create-atomic-schema` 时使用。
简化 Atomic Agents 的健壮且文档齐全的输入/输出 schema 的创建，确保 AI 应用程序开发中的一致性和可维护性。
功能
- 通过清晰的阶段（澄清、编写、验证）指导 schema 设计。
- 强制执行文档字符串和字段描述以进行 LLM 集成。
- 演示判别联合和验证器用法。
- 提供一个最小模板以快速实现 schema。
使用场景
- 当用户要求为代理或工具创建或定义 schema 时。
- 在用新字段或错误变体修改现有 schema 时。
- 在确保 schema 为 LLM 解释正确文档化时。
非目标
- 处理通用的 Atomic Agents 框架问题（使用通用技能）。
- 实现超出 schema 定义范围的复杂验证器或高级 Pydantic 模式。
- 编写实际消耗 schema 的代理或工具逻辑。
工作流
- 澄清调用者、方向、字段和失败模式。
- 在约定位置使用 `BaseIOSchema` 和 `Field`（带描述）编写 schema。
- 验证 schema 是否可以干净地导入并在 `model_json_schema()` 中进行往返。
- 将导入位置和后续步骤（代理、工具、上下文提供者）移交给用户。
实践
- Schema 设计
- 代码文档
- 类型安全
安装
请先添加 Marketplace
/plugin marketplace add BrainBlend-AI/atomic-agents/plugin install atomic-agents@brainblend-plugins质量评分
已验证类似扩展
创建原子工具
99构建一个 `BaseTool[InSchema, OutSchema]` 子类 — 输入/输出模式，`BaseToolConfig`，`run()`（和可选的 `run_async()`），环境变量驱动的 secret，类型化的失败输出。当用户要求“添加工具”、“创建工具”、“将 API 包装成工具”、“构建 `BaseTool`”、“制作计算器/搜索/天气工具”或运行 `/atomic-agents:create-atomic-tool` 时使用。
Instructor
98Extract structured data from LLM responses with Pydantic validation, retry failed extractions automatically, parse complex JSON with type safety, and stream partial results with Instructor - battle-tested structured output library
Instructor
75Extract structured data from LLM responses with Pydantic validation, retry failed extractions automatically, parse complex JSON with type safety, and stream partial results with Instructor - battle-tested structured output library
Embedding Strategies
100Select and optimize embedding models for semantic search and RAG applications. Use when choosing embedding models, implementing chunking strategies, or optimizing embedding quality for specific domains.
Aws Cdk Development
100AWS Cloud Development Kit (CDK) 专家，用于使用 TypeScript/Python 构建云基础设施。在创建 CDK 堆栈、定义 CDK 构造、实现基础设施即代码，或当用户提及 CDK、CloudFormation、IaC、cdk synth、cdk deploy，或希望以编程方式定义 AWS 基础设施时使用。涵盖 CDK 应用结构、构造模式、堆栈组合和部署工作流。
Fit Drift Diffusion Model
100Fit cognitive drift-diffusion models (Ratcliff DDM) to reaction time and accuracy data with parameter estimation (drift rate, boundary separation, non-decision time), model comparison, and parameter recovery validation. Use when modeling binary decision-making with reaction time data, estimating cognitive parameters from experimental data, comparing sequential sampling model variants, or decomposing speed-accuracy tradeoff effects into latent cognitive components.