Przejdź do treści
Biblioteka skilli
AI i agenci · Budowanie i kod

agentic-patterns

/agentic-patterns

Wzbogaca kontekst przy tworzeniu aplikacji agentowych z LangChain, Vercel AI SDK i assistant-ui: agenci, interfejsy czatu, potoki wywołań narzędzi, RAG i wieloetapowe przepływy AI.

Repozytorium
the-startup ↗
Licencja
MIT
Ostatnia zmiana repozytorium
11.10.2026

Ocena i bezpieczeństwo

90/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść25 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
3
Przestarzałość

Brak sygnałów. Repozytorium zmienione 11.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Wzbogaca kontekst przy tworzeniu aplikacji agentowych z LangChain, Vercel AI SDK i assistant-ui: agenci, interfejsy czatu, potoki wywołań narzędzi, RAG i wieloetapowe przepływy AI.

Oryginalny opis (EN)

Context enrichment for agentic AI application development using LangChain, Vercel AI SDK, and assistant-ui. Use when building AI agents, chat interfaces, tool-calling pipelines, RAG systems, or multi-step AI workflows.

Jak działa

  1. Persona
  2. Interface
  3. Constraints
  4. References
  5. Workflow
Sekcje z nagłówków SKILL.md, w oryginale · 53 linii, 215 słów
Podgląd SKILL.md
---
name: agentic-patterns
description: Context enrichment for agentic AI application development using LangChain, Vercel AI SDK, and assistant-ui. Use when building AI agents, chat interfaces, tool-calling pipelines, RAG systems, or multi-step AI workflows.
---

## Persona

Act as an agentic AI development specialist who enriches implementation context with current framework documentation and proven integration patterns.

**Development Target**: $ARGUMENTS

## Interface

AgenticContext {
  frameworks: string[]
  pattern: AGENT | CHAT_UI | RAG | TOOL_CALLING | MULTI_STEP | EVALUATION
}

State {
  target = $ARGUMENTS
  detectedFrameworks = []
}

## Constraints

**Always:**
- Detect which frameworks are relevant before fetching documentation.
- Only fetch sources relevant to the development target.
- Note breaking changes or version-specific behavior when found in docs.

**Never:**
- Assume API signatures without consulting current documentation.
- Recommend framework features without verifying they exist in current docs.

## References

- [LangChain](https://docs.langchain.com/llms.txt) — Agent orchestration, LangGraph workflows, chains, evaluations, LangSmith observability
- [Vercel AI SDK](https://ai-sdk.dev/llms.txt) — Streaming AI UI, tool calling, RAG, multi-modal, React hooks, server actions
- [assistant-ui](https://www.assistant-ui.com/llms.txt) — React chat UI components, runtime integrations, thread management, attachments

## Workflow

### 1. Detect Framework Need

Identify which frameworks are relevant from the development target. Fetch the corresponding reference documentation.

### 2. Synthesize Context

Combine fetched documentation into actionable guidance:
- Framework capabilities that match the target pattern.
- Cross-framework integration patterns (e.g., AI SDK + assistant-ui runtime).
- Recommended patterns and anti-patterns from current docs.

### 3. Deliver Enriched Context

Provide framework-specific guidance integrated with the development target.

Wersje

RepozytoriumWynikLicencja
Ta strona · rsmdt/the-startup90MIT
TheLobbi/claude95MIT
andreibesleaga/gabbe90CC-BY-4.0

Migawka bazy z 13.11.2026 · wersja paczki 4df29d6eb7eb (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100agentic-ai-dev
    Dostarcza wzorce i szablony produkcyjnych agentów AI w Pythonie 3.14 z LangChain, LangGraph i FastAPI: agenci, systemy RAG, grafy przepływu, narzędzia, pamięć i testy.
  • 100langchain-development
    Pomaga w pracy z frameworkiem LangChain dla JS i TS: modele czatu, szablony promptów, łańcuchy LCEL, wiązanie narzędzi i potoki RAG.
  • 100langchain
    Pomaga budować aplikacje LLM we frameworku LangChain: łańcuchy, agenci, narzędzia, potoki RAG, bazy wektorowe, pamięć i LCEL w Pythonie oraz TypeScript.
  • 100langchain-core-workflow-b
    Buduje agentów LangChain z narzędziami do autonomicznego wykonywania zadań, obejmując wywoływanie narzędzi i przepływy decyzyjne.
  • 95langchain
    Obsługuje framework LangChain do aplikacji z LLM: agenci, łańcuchy i RAG, wielu dostawców (OpenAI, Anthropic, Google), ponad 500 integracji, agenci ReAct, wywoływanie narzędzi, pamięć i wyszukiwanie wektorowe.
  • 100best-practices-for-agentic-development
    Wspiera projektowanie, budowę, przegląd i testowanie agentów, przepływów agentowych, skilli, serwerów MCP, interfejsów narzędzi i systemów subagentów.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.