Agent 架构设计：设计并实现基于 ReAct（推理+行动）、Plan-and-Execute（计划与执行）​ 范式的智能体系统。

多智能体协作：利用 AutoGen​ 或 CrewAI​ 构建多角色协作系统（如：研究员 + 分析师 + 写手），解决复杂长链条任务。

工具生态开发：为 LLM 封装 API 工具（Tools/Functions），包括数据库查询、网页爬取、代码执行和第三方 SaaS 集成。

RAG 增强：结合 检索增强生成（RAG）​ 技术，为 Agent 提供私有知识库支持，确保回答的准确性与时效性。

提示词工程：编写高质量的 System Prompt，设计 Few-shot examples，优化 Agent 的角色扮演与逻辑推理能力。

性能与成本优化：实施 Token 裁剪策略、缓存机制和异步并发处理，降低 API 调用成本，提升响应速度。