[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$fHwx4usl48n1hGlidVOZFaxhVpuSpKtq_qWxcmTCxsWs":3},{"item":4,"related":51},{"id":5,"type":6,"title":7,"slug":8,"summary":9,"body":10,"coverUrl":11,"productScreenshots":12,"productLinks":13,"authorName":14,"authorUrl":15,"authorSubject":16,"category":17,"tags":22,"sourceLabel":39,"sourceName":40,"sourceUrl":41,"status":42,"seoTitle":43,"seoDescription":44,"canonicalUrl":45,"isFeatured":46,"sno":47,"sortOrder":48,"publishedAt":49,"updatedAt":50,"createdAt":50},"45bb5327-3927-47f5-8c25-768225b66777","article","Custom Agent 是什么？一个模型怎样变成前端 Agent 或安全 Agent","custom-agents-specialized-coding-workflows","Custom Agent 把特定任务需要的角色、上下文、工具和权限固定下来。本文解释它与普通 Prompt、Skill 和项目说明的区别，以及如何从一个边界清晰的专业 Agent 开始。","一个通用 AI 可以解释代码、写函数、运行测试，但不同任务需要的上下文和权限并不一样。前端 Agent 需要关注组件、浏览器和视觉检查；安全 Agent 需要关注依赖、权限和漏洞；测试 Agent 需要关注边界、数据和回归。Custom Agent 的思路，就是把这些差异固定成可复用的专业工作流。\n\n## Custom Agent 和普通 Prompt 有什么区别\n\n普通 Prompt 只影响当前一次对话，下一次还要重复描述规则。Custom Agent 则可以预先定义角色、任务目标、工具范围、项目上下文和输出格式。它不是换了一个“人格”，而是把特定任务需要的约束保存下来，让每次执行都从相对稳定的起点开始。\n\n例如，一个“依赖审计 Agent”可以默认只读 `package.json`、锁文件和安全报告，输出包来源、版本、许可证和漏洞清单，不允许直接安装依赖。一个“前端验收 Agent”可以默认启动开发服务器、使用浏览器操作页面，并报告键盘路径、网络错误和截图差异。\n\n## 专业化的价值在于减少自由度\n\n听起来反直觉：Agent 越专业，能做的事情反而应该越少。一个只负责分析数据库迁移的 Agent，不需要访问用户目录；一个只负责写文档的 Agent，不应该修改生产配置；一个只负责运行只读检查的 Agent，不应该拥有提交或发布权限。\n\n限制工具和上下文，可以减少误操作，也让结果更容易评价。专业化不是让 Agent 说话更像专家，而是让它在一个明确的任务边界内使用合适的方法。\n\n## 怎样设计一个有用的 Custom Agent\n\n先定义触发场景，而不是先写一段角色介绍。然后列出它必须读取的文件、允许使用的工具、禁止执行的动作、完成标准和输出结构。最后准备几组真实任务，检查它是否会漏掉风险、提出无关修改或越权操作。\n\n一个好的配置还要写清楚不确定时怎么办：是停止并询问，还是给出候选方案？遇到测试失败，是重试、回滚，还是提交诊断报告？这些行为边界比“你是一名资深工程师”更重要。\n\n## 多个 Agent 不一定更好\n\n把任务拆成前端、后端、测试和安全 Agent，可以并行处理，但也会增加交接成本。若每个 Agent 都生成自己的假设，最后可能出现接口不一致、重复代码和责任不清。专业化 Agent 之间需要共享契约、明确输入输出，并保留一位负责整体结果的人。\n\n## 普通团队可以从一个开始\n\n不必一开始就搭建复杂的 Agent 平台。可以先选择一个反复出现、边界清楚的任务，例如“检查 PR 是否缺少测试”或“分析依赖升级风险”，把团队已有的清单和命令写进配置，再观察它是否真正减少重复劳动。\n\nCustom Agent 的核心不是增加更多 AI，而是把团队经验变成可重复、可审查的工作流。经验被固定下来，未来每次任务就少一点临场猜测，多一点稳定边界。\n\n## 来源\n\n- [GitHub：About Custom Agents](https:\u002F\u002Fdocs.github.com\u002Fen\u002Fcopilot\u002Fconcepts\u002Fagents\u002Fcloud-agent\u002Fabout-custom-agents)\n- [GitHub：Custom Agents Configuration](https:\u002F\u002Fdocs.github.com\u002Fen\u002Fcopilot\u002Freference\u002Fcustom-agents-configuration)","\u002Fuploads\u002F2026-09-14\u002Fbb459a95-c919-43b9-adf7-f3a67609e985.jpg",[],[],"Foundit","https:\u002F\u002Ffoundit.cn","foundit-ai-editorial",{"id":18,"name":19,"slug":20,"description":21},"6179d3b6-dc34-4483-9ded-3cd9f1b37a47","科普","abbreviation","介绍各领域新兴概念",[23,27,31,35],{"id":24,"name":25,"slug":26},"0848beb4-db26-4fb8-b391-f852a11be192","AI编程","ai-coding",{"id":28,"name":29,"slug":30},"a202d639-99a6-488a-a712-4d4c6ffd7e15","开发","dev",{"id":32,"name":33,"slug":34},"7da20200-5815-42a5-851a-bc8c1db554cb","应用","app",{"id":36,"name":37,"slug":38},"4c2bbea6-eab7-40a8-8447-1de478ff7749","分析","analyse","GitHub Copilot 官方文档","About Custom Agents","https:\u002F\u002Fdocs.github.com\u002Fen\u002Fcopilot\u002Fconcepts\u002Fagents\u002Fcloud-agent\u002Fabout-custom-agents","published","Custom Agent 是什么：把通用模型变成专业编程 Agent","解释 Custom Agent 如何通过固定上下文、工具范围和任务边界，支持前端、安全、测试等专业化 AI 编程工作流。",null,false,59,0,"2026-09-14T00:00:00.000Z","2026-09-14T11:00:05.195Z",[52,60,68],{"id":53,"type":6,"title":54,"slug":55,"summary":56,"coverUrl":57,"authorName":14,"sno":58,"publishedAt":49,"createdAt":59},"c85be666-a2ac-481a-a233-1d9aa7c5bfa1","AI 为什么会推荐不存在的 npm 包？","ai-hallucinated-dependencies-supply-chain","AI 可能把不存在或过时的依赖说得很像真的，甚至让开发者把陌生包安装进项目。本文解释依赖幻觉、恶意抢注、版本风险和安装前的供应链检查。","\u002Fuploads\u002F2026-09-14\u002F21c507cf-18e5-4b18-b71a-a501f6fb85c0.jpg",41,"2026-09-14T11:00:01.589Z",{"id":61,"type":6,"title":62,"slug":63,"summary":64,"coverUrl":65,"authorName":14,"sno":66,"publishedAt":49,"createdAt":67},"24305719-06eb-443f-b5e5-40b9a5c21a96","AI 怎么读懂一个大型代码仓库？","ai-coding-large-repo-code-navigation","大型项目的难点不只是文件多，而是函数、引用、数据和模块之间的关系复杂。本文解释代码导航、定义跳转、引用追踪和分层读取上下文，帮助 AI 少改错地方。","\u002Fuploads\u002F2026-09-14\u002Fb0a9aaae-124e-4204-9d53-ec42ac568f50.jpg",44,"2026-09-14T11:00:00.158Z",{"id":69,"type":6,"title":70,"slug":71,"summary":72,"coverUrl":73,"authorName":14,"sno":74,"publishedAt":49,"createdAt":75},"3225813f-51a8-40ca-9ad2-98ce781298be","AI 编程 Agent 的循环是怎么跑起来的？","ai-coding-agent-loop-tools-tests-fix","AI 编程 Agent 并不是一次性写出答案，而是在读取上下文、调用工具、运行测试和修复错误之间反复循环。本文拆解模型与 Harness 的分工，以及 Agent 为什么会重复犯错。","\u002Fuploads\u002F2026-09-14\u002Fd70c81c2-a6ff-4c9e-b216-cc1a14d6fa6d.jpg",48,"2026-09-14T10:59:57.238Z"]