ADK 智能体配方库
用可运行的 ADK 示例快速搭建智能体项目。
工作流对权限与副作用有 unusually 具体的静态控制：模型不持有 GitHub 写入令牌，PR 评审不检出不受信任的 PR head，工作区代理配置会被清除，应用令牌权限被显式缩小，模型输出还会按真实议题编号与标签白名单验证。敏感凭据通过 WIF、GitHub secrets 和受限环境变量传递，遥测也被禁用；注释清楚说明数据如何进入模型及何处执行写操作。扣分点是依赖安全并不完整：GitHub Actions 固定到提交，但 Antigravity CLI 通过远程脚本安装最新版且无法固定，Python 运行依赖也没有在所示清单中固定版本。标签修改可人工撤销，但没有自动事务回滚；单议题无法分类时会留给人工，体现一定人工确认路径，但已验证的分类仍可自动产生外部写入。许可证、Google 组织来源及明确免责声明使来源归属充分。
配置、README、测试和工作流注释总体一致，且针对空 diff、超大 diff、参数长度、无效模型响应、API 暂时失败和输出解析提供守卫、有限重试及明确错误信息。扣分点是所给 PR 工作流内容被截断，无法静态确认完整的后续验证与发布路径；README 将每个 recipe 的运行细节委托给未提供的各自 README。依赖可用性处理较好，例如声明 Python 版本、开发依赖、PyPI 索引、uv 最低版本及 API 重试，但动态下载最新 CLI 和对外部 GitHub、Google Cloud、ADK 服务的依赖降低了可控性。
README 明确覆盖学习者、项目起步者、客户服务、研究以及行业工作流，并把核心规范示例与社区示例分开。工作流对模型能力、工具权限、不受信任输入、允许标签、批次议题和 diff 大小设定了精确边界，模糊分类会交给人工。环境适配包含多种 ADK 语言 SDK、Python 版本和 CI 约束；扣分在于实际 recipe 级环境变量、平台差异及逐项部署要求未包含于证据中，且部分自动化依赖特定 GitHub Actions、Google Cloud WIF 和 Antigravity CLI 环境。
仓库按 core、contrib、skills、文档与自包含 recipe 组织，入口和贡献路径清楚；测试还验证项目名称、目录布局、Python 版本引用和 pytest 路径规则，显示命名约定维护充分。Apache-2.0 全文与 README 声明一致，已给出问题跟踪入口及官方组织来源。扣分点是顶层安装说明主要转介外部 ADK 指南和各 recipe README，提供了示例集合但没有顶层 FAQ；未见 changelog、发布策略或仓库级兼容性版本历史。维护方被描述为 agents-cli 团队并有 Google 组织来源，但同时明确不是正式受支持产品，因此支持责任有限。
样例被设计为小型、可运行、可分叉的起点，自动化输出采用结构化 JSON、精确标签过滤、PR 摘要和清晰的人工作业降级，静态上具有较高可用性。相比空白项目和完全人工分类或评审，证据显示有实际增量价值。扣分点是没有提供运行结果、用户成效或资源基准；工作流承认模型调用、外部服务、令牌开销和 diff 截断，并且动态 CLI 与云端依赖带来成本和运营负担，因此边际价值与成本收益不能给满分。
关键安全和可靠性主张大多与紧邻的 YAML、shell 守卫、权限声明和单元测试直接对应；事实、设计原因、已知 API 限制及推断通常被明确分开。README、pyproject、工作流和测试在组织、命名、测试范围和免责声明方面能够相互支持。扣分点是证据只覆盖少量仓库文件，未包含实际 recipe 实现、完整文档、锁文件、完整 PR 工作流结尾或 CI 运行记录，因此跨来源佐证虽良好但不完整。
- 这是低置信度的静态评估；未执行任何 recipe、测试或工作流，也未验证模型输出质量。
- 不要把这些示例直接视为生产就绪；README 明确称其为演示和起点，并声明不受官方支持。
- Antigravity CLI 通过远程安装脚本获取最新版，缺少可复现的版本固定；部署前应固定并审查安装产物。
- 不同 recipe 可能拥有各自的网络访问、凭据、数据流和外部副作用；本证据未逐项覆盖，采用前必须单独审查。
- PR 评审工作流证据被截断，无法确认最终响应验证和评论发布逻辑的全部细节。
这个 Agent 能做什么，适合哪些场景？
这是一个面向 Agent Development Kit（ADK）的公开示例集合，而非单一、可直接部署的智能体产品。仓库将内容分为 core/ 与 contrib/：前者收录 agents-cli 团队维护的规范模式，后者收录社区贡献的行业或具体场景示例。已明确列出的模式包括 OAuth 流程、会话记忆、护栏和 RAG，每个配方均为独立示例，并在自己的 README.md 中提供设置与运行说明。使用者需要先安装 ADK，仓库列出了 Python、TypeScript、Go、Java 和 Kotlin SDK。它更适合作为学习材料和项目起点；仓库明确说明这些配方用于演示，不属于受官方支持的 Google 产品，也不应被直接视为生产实现。
使用者从 core/ 或 contrib/ 选择一个配方，按照该配方自己的 README.md 完成设置并运行示例。core/ 展示由 agents-cli 团队整理的单一重点模式，例如 OAuth flows、session memory、guardrails 和 RAG patterns；contrib/ 提供针对特定用例或行业工作流的自包含示例。开发者可以复刻某个配方作为项目基础，也可以浏览不同实现来学习 ADK 模式。仓库还提供 Recipe Checklist、Recipe Handbook，以及位于 .agents/skills/ 的仓库开发辅助技能；这些辅助技能用于配方脚手架、清单生成和 pyproject 对齐，不等同于面向用户交付的 vertical skills。
- 初次使用 ADK 的开发者，希望从一个可运行的小型示例开始，而不是从空白项目搭建。
- 正在实现 OAuth、会话记忆、护栏或 RAG 的工程师，需要查看聚焦单一模式的参考配方。
- 构建客服机器人或研究智能体的团队，希望复刻现有示例作为原型基础。
- 面向特定行业工作流开发智能体的团队，希望在 contrib/ 中寻找自包含的社区示例。
- 准备向仓库贡献新配方的开发者，需要使用 Recipe Checklist 和 Recipe Handbook 核对结构与要求。
这个 Agent 有哪些优点和局限？
- core/ 与 contrib/ 分层明确，便于区分团队维护的规范模式和范围更广的社区示例。
- 示例强调小型、可运行和自包含，可直接作为 ADK 项目的工作基础。
- 覆盖 OAuth、会话记忆、护栏和 RAG 等具体智能体工程模式，而不仅是抽象概念。
- 列出了 Python、TypeScript、Go、Java 和 Kotlin 的 ADK SDK，适配多种开发语言。
- 提供贡献检查清单、详细手册及配方脚手架等仓库维护辅助能力。
- 仓库本身不是一个统一产品；安装、凭据、输入输出和运行方式取决于所选配方。
- 顶层材料没有提供统一安装命令、首次运行命令、API 接口或部署路径。
- 所有示例都建立在 ADK 生态之上，迁移到其他智能体框架需要重新实现或改造。
- 社区 contrib/ 配方范围更广，但所给材料没有说明统一的成熟度、测试或维护保证。
- 仓库明确将配方定位为演示和起点，而非生产用途，并且它不是受官方支持的 Google 产品。
如何安装或部署这个 Agent？
仓库级 README 仅要求先按照 ADK Get Started 指南安装 Agent Development Kit，并列出 Python、TypeScript、Go、Java 和 Kotlin SDK；它没有给出统一且可复制的安装命令，也未规定统一的语言版本、包管理器或凭据。应先选择 core/ 或 contrib/ 中的具体配方，再使用该配方 README.md 中的设置说明。由于所给材料没有包含任何单个配方的说明，无法可靠列出依赖安装命令、环境变量或凭据。
如何使用这个 Agent？
先在 core/ 中选择 OAuth、会话记忆、护栏或 RAG 等规范模式，或在 contrib/ 中选择具体用例或行业工作流。打开目标配方自己的 README.md，完成其中的设置步骤并执行其运行方式；也可以 fork 该配方作为新项目起点。所给材料没有提供统一 CLI、API、部署命令或第一个可执行调用，因此不能给出适用于整个仓库的准确命令。若要贡献配方，则从 docs/recipe-checklist.md 开始，并在需要完整背景时查看 docs/recipe-handbook/README.md。