Agent 接入与 skills

CLI 不是替代 Agent，而是给 Agent 一个稳定的命令入口

HENGSHI CLI 同时适合人工终端和 Agent 集成。本页重点讲的是：当你准备把 CLI 接入 OpenClaw 或其他 Agent 运行时，怎样让执行路径更稳定、更可审查。

推荐心智模型如下：

层级	作用
人	提需求、审结果、确认风险边界
Agent	理解任务、拆步骤、决定调用哪类能力
skills	把领域经验沉淀成可复用的标准流程
HENGSHI CLI	真正执行读取、预演、创建、更新、授权等动作

为什么 Agent 适合走 CLI

• 结构化输出稳定：json / yaml 更适合 Agent 读写
• 命令边界明确：比让 Agent 临时拼 API 更安全
• 可预演：高风险写动作可以先 --dry-run
• 易于复用：本地、CI、自动化任务和 Agent 运行时都能沿用同一套命令
• 可审查：执行链更容易落日志、回放与追责

官方 skills 的定位

HENGSHI CLI 会与官方 bundled skills 一起交付，代表性的 skills 包括：

• hbi-core
• hbi-data
• hbi-dashboard
• hbi-permission
• hbi-workflow

skills 的价值主要体现在三点：

1. 先读什么，再写什么
2. 什么动作必须 --dry-run
3. 结果应该如何结构化回传给人或其他系统

推荐接入步骤

1. 先保证运行时里已经完成 CLI 交付

获取方式与安装后验证见 安装与升级。如果你在给团队或客户环境准备 Agent runtime，建议通过销售 / 交付渠道统一下发，而不是让每个运行时各自找下载入口。

2. 固定实例与认证

export HBI_API_URL="https://<你的-everest-实例>"

认证方式见 认证与连接。对 Agent runtime，更推荐固定 HBI_CLIENT_ID / HBI_CLIENT_SECRET 或 HBI_TOKEN，而不是在运行时临时找人补凭据。

3. 准备官方 bundled skills

当前官方 skills 会随 CLI 一起交付，不再建议额外从外部分发面再拉取一份。如果你要为 OpenClaw、Claude Code、GitHub Copilot 等 Agent runtime 准备环境，建议在交付环节明确目标 Agent，让 bundled skills 直接落到对应的全局 skills 目录。

4. 约束 Agent 的默认执行策略

建议把下面这些规则写进 Agent 提示或运行时约束：

1. 先读状态，再做写动作
2. 能 --dry-run 的命令先 --dry-run
3. 优先使用 --output json 或 --output yaml
4. 不要自己拼 HENGSHI 私有 API
5. 遇到高风险授权、删除、配置更新时，先把计划返回给人确认

一个典型的 Agent 执行模式

例如让 Agent “帮我给一个销售应用新建驾驶舱并授权给指定同事”，推荐的执行顺序通常是：

1. 读取应用与数据集上下文
2. 确认目标 dashboard 是否已存在
3. 创建 dashboard
4. 新增图表或其他元素
5. 先 --dry-run 预演授权动作
6. 人确认后再真正授权

这类顺序控制，正是 skills 最适合沉淀的部分。

推荐做法

如果你准备把 CLI 正式纳入 Agent runtime，建议优先遵循下面这些做法：

1. 固定 CLI 版本和 bundled skills 交付方式，避免不同环境各跑一套
2. 默认使用 json 或 yaml 输出，减少 Agent 二次解析成本
3. 对授权、删除、系统配置更新这类动作，坚持先 --dry-run
4. 把 HBI_API_URL、认证方式和关键命令结果写入运行日志

给 Agent 的输出建议

让 Agent 使用 CLI 时，建议要求它把结果至少整理成下面三类信息：

• 做了什么：执行了哪些读取、预演、写入动作
• 看到什么：关键命令返回了什么结构化结果
• 还缺什么：哪些动作因为权限、上下文或确认流程尚未继续

这样团队成员看到的就不只是一串原始终端输出，而能直接理解“Agent 当前推进到了哪一步”。