系统设计和排查大模型 API 接入中的鉴权、流式响应、限流与成本问题。
这是一个面向真实业务工作的开源 AI Agent Skill。它不是一组零散 Prompt，而是一套包含任务边界、执行流程、质量检查和交付模板的可复用方法，让支持 Markdown 指令的 AI 助手能够更稳定地完成 AI API Integration & Debugging 相关任务。
English: An open-source AI agent skill for ai api integration & debugging, built around practical workflows, reusable deliverables, quality checks, and human-review boundaries.
系统设计和排查大模型 API 接入中的鉴权、流式响应、限流与成本问题。技能强调可执行结果、明确假设和人工复核点，适合从一次性对话升级为可复用的团队工作流。
- API 鉴权与请求结构设计
- SSE 流式输出和中断处理
- 错误码、超时、重试与限流治理
- Token 用量、成本与可观测性设计
- 接口接入方案
- 联调与故障定位清单
- 重试和降级策略
- 成本监控指标
- 接入 LLM API 的开发者
- AI 应用后端工程师
- 负责接口联调与稳定性的团队
将下面任一请求交给支持读取本地文件的 AI Agent：
帮我排查大模型 API 流式输出经常中断的问题
设计一个支持限流、重试和成本统计的 LLM API 接入方案
Agent 应先读取 SKILL.md，再按其中的流程和质量要求执行任务。
git clone https://github.com/zchstime/ai-api-integration-debug.git
cd ai-api-integration-debug然后对你的 AI 助手说：
请读取 SKILL.md，并使用这个技能处理我的任务。开始前先确认目标、输入、限制和期望交付物。
不同 AI Agent 客户端的技能安装目录和触发机制可能不同；只要客户端能够读取 Markdown 文件，就可以直接引用本仓库中的 SKILL.md。
- SKILL.md：技能定义、执行步骤与质量边界
- output-template.md
- LICENSE：MIT 开源许可证
- 结果导向：输出方案、模板、清单、指标或可执行下一步，而不止是泛泛建议。
- 证据与假设分离：明确哪些是事实、推断和待验证信息。
- 人机协作：对高风险判断保留人工复核、权限控制和撤销路径。
- 可复用与可验收：让同类任务能够重复执行，并通过明确标准检查质量。
ai · ai-agent · agent-skills · prompt-engineering · open-source · llm-api · api-integration · api-debugging · streaming-api · developer-tools
如果你正在建设 AI API Integration & Debugging 相关的 AI 工作流，这个仓库可以作为可直接复用的起点，也适合作为团队内部 Prompt、SOP 和验收规范的共同底稿。Star ⭐ 这个仓库，方便以后快速找到；也欢迎通过 Issue 或 Pull Request 分享真实案例和改进建议。
MIT License © 2026 珠海横琴来一桔文化科技有限公司