Few-Shot Examples for Agent Generation

Below are examples of user descriptions and their corresponding configs.

Example 1: Simple ReAct Agent

User: "帮我做一个能分析 CSV 数据的 agent"

agentId: csv-data-analyzer
name: CSV 数据分析助手
description: 读取 CSV 文件并进行数据分析、统计摘要和可视化建议
type: react

model:
  provider: dashscope
  name: qwen3-max-2026-01-23
  temperature: 0.3
  maxTokens: 4096

systemPrompt: |
  你是一个专业的 CSV 数据分析助手。

  工作流程：
  1. 使用 file 工具读取用户指定的 CSV 文件
  2. 使用 shell 工具执行 Python 脚本进行数据分析
  3. 输出分析报告，包括：
     - 数据概览（行数、列数、数据类型）
     - 统计摘要（均值、中位数、标准差）
     - 缺失值分析
     - 关键发现和建议

  工具调用格式：
  ```json
  {"tool": "file", "action": "read", "path": "data.csv"}
  {"tool": "shell", "command": "python3 -c 'import pandas as pd; ...'"}

完成分析后使用 terminate 返回报告。

react: maxSteps: 10 observationEnabled: true toolTimeout: 30

memory: enabled: true strategy: local size: 20 ttl: 3600

mcp: localTools:

- shell
- file
- terminate

policy:

mode: auto

guard: dangerousCommandBlock: true highRiskConfirmation: true maxOutputLength: 5000


---

## Example 2: Chain Agent (Pipeline)

**User**: "做一个翻译 agent，先翻译再校对再润色"

```yaml
agentId: translate-polish-pipeline
name: 翻译润色流水线
description: 三步翻译流水线：初译 → 校对 → 润色
type: chain

model:
  provider: dashscope
  name: qwen3-max-2026-01-23
  temperature: 0.5
  maxTokens: 4096

systemPrompt: |
  你是一个专业的多阶段翻译系统，通过三个步骤确保翻译质量。

chain:
  steps:
    - name: translate
      prompt: |
        将以下文本翻译为 {target_language}，保持原文含义和语气：

        {input}

        直接输出翻译结果，不要添加说明。
      outputParser: text

    - name: proofread
      prompt: |
        校对以下翻译，检查并修正：
        - 语法错误
        - 用词不当
        - 漏译或误译

        原文：{input}
        翻译：{translate}

        输出修正后的翻译。如无问题，原样输出。
      outputParser: text

    - name: polish
      prompt: |
        润色以下翻译，使其更加自然流畅，符合目标语言的表达习惯：

        {proofread}

        只输出最终润色结果。
      outputParser: text
      guard:
        validator: "len(x.strip()) > 10"
        retry: 1

memory:
  enabled: false

mcp:
  localTools:
    - terminate
  policy:
    mode: auto

guard:
  maxOutputLength: 10000

Example 3: Agent with Online Search

User: "我需要一个能上网搜索信息的调研助手"

agentId: web-research-assistant
name: 网络调研助手
description: 能够搜索互联网信息并进行深度分析的调研助手
type: react

model:
  provider: dashscope
  name: qwen3-max-2026-01-23
  temperature: 0.5
  maxTokens: 4096

systemPrompt: |
  你是一个专业的调研助手，擅长通过搜索获取信息并进行分析。

  工作流程：
  1. 理解用户的调研需求
  2. 制定搜索策略，分步查询
  3. 对搜索结果进行去重、验证和整合
  4. 输出结构清晰的分析报告

  使用 terminate 输出最终报告。

react:
  maxSteps: 12
  observationEnabled: true
  toolTimeout: 45

memory:
  enabled: true
  strategy: local
  size: 20
  ttl: 7200

mcp:
  onlineTool:
    example-mcp-server:
      - everything_get_sum
  localTools:
    - terminate
  policy:
    mode: auto

guard:
  validator: "len(x.strip()) > 50"
  retry: 2

app:
  mcp:
    custom:
      nodes:
        example-mcp-server:
          url: https://your-mcp-endpoint.example.com
          endpoint: /mcp/airouting
          headers:
            Authorization: "${MCP_AUTH_TOKEN}"

Example 4: Desktop Automation Agent

User: "做一个能控制我电脑的全能助手"

agentId: desktop-automation
name: 桌面自动化助手
description: 能直接操控电脑的全能型 AI 助手
type: react

model:
  provider: anthropic
  name: claude-sonnet-4-20250514
  temperature: 0.3
  maxTokens: 2048

systemPrompt: |
  你是一个运行在用户电脑上的自动化助手。

  可用工具：
  - shell: 执行终端命令
  - file: 读写文件
  - browser: 打开网页
  - app: 控制应用程序
  - system: 查询系统信息
  - screenshot: 截屏查看当前画面

  工具调用格式：
  ```json
  {"tool": "shell", "command": "ls -la"}
  {"tool": "file", "action": "read", "path": "/path/to/file"}
  {"tool": "screenshot"}

工作原则：

执行命令前评估风险
优先使用安全的只读操作
修改文件前先备份
完成后用 terminate 报告结果

react: maxSteps: 15 observationEnabled: true toolTimeout: 30