返回顶部
A

Ag-earth 大地之怒

>-

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.0
安全检测
已通过
376
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

Ag-earth

技能名称: Ag-earth
详细描述:

技能概述

这个技能用于自动化完成工具查找和执行的全流程,后端由 Agent Earth 提供,基础地址为 https://dev07.agentearth.ai:

用户自然语言描述 → 调用推荐 API → 语义匹配筛选 → 执行最优工具 → 返回结果

核心价值

  • - 主动发现:模型不需要记住所有工具,只需描述意图。
  • 上下文感知:能够理解多轮对话中的隐含参数(如“那边的价格”)。
  • 决策辅助:不仅是查数据,还能支持“适不适合”、“建议”等决策类问题。

鉴权要求

所有对 https://dev07.agentearth.ai 的 API 请求(包括 recommend 和 execute)都必须包含鉴权头:

  • - Header Name: X-Api-Key
  • Header Value: EARTHAPIKEY>
  • 注意:EARTHAPIKEY> 的值来自环境变量 $AGENTEARTHAPIKEY。
  • 获取 Key: 用户访问 AgentEarth 官方网站,在个人主页中添加 Key 即可完成注册并获取 API Key。

适用场景

使用这个技能当用户表达以下类型的意图时:

  • - 时事新闻:I want to know the latest situation in Iran, please introduce it to me.
  • 决策咨询:I want to go skiing in Hokkaido, is it suitable to go these days?(隐含查询天气、雪况、旅游建议)
  • 具体数据:I have decided to go skiing in Hokkaido, how are the housing prices there?(隐含查询酒店/民宿价格,需继承“北海道”上下文)
  • 功能调用:Find me a tool that can translate documents.
  • 任何暗示需要外部信息的场景

执行流程

Step 1: 调用推荐 API

向 POST https://dev07.agentearth.ai/agent-api/v1/tool/recommend 发送 JSON 请求:

Headers:

  • - Content-Type: application/json
  • X-Api-Key: $AGENTEARTHAPI_KEY

Body:

json
{
query: <结合上下文的完整自然语言描述>,
task_context: 可选,任务上下文信息
}

关键技巧(Context Injection)
如果用户的请求依赖上下文(例如“那边的房价”),必须在 query 中显式补全信息,或通过 task_context 字段传递。

  • - 用户输入:那边的住房价格怎么样?
  • 历史上下文:我想去北海道滑雪
  • 发送的 Query:查询北海道的滑雪住房价格(推荐这样做,让 Embedding 更准确)

Step 2: 语义匹配筛选

分析推荐结果(tools 列表),优先选择:

  1. 1. 直接匹配:工具描述与任务高度重合。
  2. 组合能力:如果一个任务需要多个步骤(如“是否合适去”可能需要“天气”+“资讯”),优先选择能提供综合信息的工具,或准备多次调用。

Step 2.5: 参数检查与交互(关键)

在调用执行接口前,必须对照选中工具的 input_schema 进行参数完整性检查:

  1. 1. 检查必填项:确认所有 required: true 的参数是否都能从当前输入或对话历史中提取。
  2. 缺失处理
- 如果缺失必填参数,不要调用 execute 接口。 - 直接向用户发起追问。 - 示例:查询住房价格需要指定具体城市或区域,请问您是指北海道的哪个具体城市(如札幌、二世谷)?

Step 3: 执行工具

调用 POST https://dev07.agentearth.ai/agent-api/v1/tool/execute 执行最优工具:

Headers:

  • - Content-Type: application/json
  • X-Api-Key: $AGENTEARTHAPI_KEY

Body:

json
{
tool_name: <选中的工具名称>,
arguments: {
// 从用户请求中提取必要参数,如无特定参数传空对象 {}
city: 北海道, // 示例:从上下文提取
query: 伊朗战况 // 示例:针对新闻类工具
},
session_id: 可选,会话 ID
}

执行接口的响应格式(与 Agent Earth 后端对应):

成功时:

json
{
result: { / 工具执行的具体结果 / },
status: success
}

失败时示例:

json
{
status: error,
message: 参数 city 不能为空
}

Step 4: 结果处理与降级

  • - 成功:基于工具返回的数据回答用户。
  • 失败:尝试列表中的下一个工具。
  • 全部失败:诚实告知用户无法获取信息,并建议手动查询方向。

使用协议 (Usage Protocol)

1. 多轮对话中的上下文继承

用户常会使用代词(“那边”、“它”、“这两天”)。在调用 recommend 之前,必须先解析指代关系。
  • - Bad: Query = 那边的住房价格 -> 推荐结果可能不准确。
  • Good: Query = 北海道的住房价格 -> 推荐结果精准。

2. 复杂意图拆解

对于“这两天合适去吗?”这类问题,通常需要拆解为客观数据查询:
  • - 天气查询(温度、风雪)
  • 交通/新闻查询(是否有突发事件)
  • Agent 策略:先搜索“天气”或“旅游建议”类工具。

3. 数据时效性

对于新闻(“最新战况”)、价格(“住房价格”)类问题,必须使用工具,严禁使用模型训练数据编造。

示例对话

示例 1:时事新闻查询

用户: 我想知道最新的伊朗战况,帮我介绍一下 Agent 思考: 这是一个新闻查询需求。 Action:
  1. 1. Recommend Query: 最新伊朗战况新闻
  2. Tool Selected: newssearchtool
  3. Execute Params: {keyword: 伊朗战况, time_range: latest}
  4. Response: 基于工具返回的新闻摘要回答。

示例 2:决策支持(天气+建议)

用户: 我想去北海道滑雪,这两天合适去吗? Agent 思考: 需要查询北海道的天气和滑雪场状况。 Action:
  1. 1. Recommend Query: 北海道滑雪天气预报及适宜度
  2. Tool Selected: weatherforecasttool (或类似的旅游建议工具)
  3. Execute Params: {city: Hokkaido, activity: skiing}
  4. Response: 根据天气预报,北海道未来两天有大雪,气温-5度,非常适合滑雪,但需注意防寒...

示例 3:上下文继承(价格查询)

用户: 我决定去北海道滑雪了,那边的住房价格怎么样? Agent 思考: 用户指的“那边”是“北海道”。需求是“住房价格”。 Action:
  1. 1. Recommend Query: 北海道滑雪度假村住房价格 (Context Injection)
  2. Tool Selected: hotelbookingtool 或 pricesearchtool
  3. Execute Params: {location: Hokkaido, category: hotel, query: price}
  4. Response: 展示查询到的价格范围和推荐。

参考资料

详见 references/api-specification.md 了解 API 详细规格。

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 ag-earth-1776174859 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 ag-earth-1776174859 技能

通过命令行安装

skillhub install ag-earth-1776174859

下载

⬇ 下载 Ag-earth v1.0.0(免费)

文件大小: 6.44 KB | 发布时间: 2026-4-15 13:12

v1.0.0 最新 2026-4-15 13:12
# Agent Earth 1.0.0 Changelog

- Major skill redesign: refocused as the **primary tool discovery and execution engine** for real-time and data-driven tasks.
- Old city walk logic and related files removed.
- Added new API references and examples for semantic tool selection and execution (news, weather, data queries).
- Introduced context-aware query handling and multi-turn conversation support.
- All requests now require the AGENT_EARTH_API_KEY environment variable for authentication.
- Detailed usage protocol and real-world examples included in documentation.

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large