Synthèse automatique
Décrit le flux de travail principal pour créer, configurer et tester un agent IA sur la plateforme Lindy via son SDK TypeScript.
Points forts
- Enchaîne les étapes complètes : spécification, création, ajout d'outils, puis tests avec des cas concrets
- Fournit des extraits de code TypeScript directement réutilisables (interface AgentSpec, appels SDK)
- Inclut un tableau de gestion des erreurs courantes (outil invalide, instructions trop longues, modèle indisponible)
- Rappelle les prérequis et pointe vers le workflow suivant pour l'automatisation des tâches
Limites
- Dépend entièrement du SDK et des API Lindy, dont les signatures exactes ne sont pas vérifiées ici
- Les tests proposés se limitent à des exemples d'entrée/sortie en console, sans assertion ni cadre de test
- Ne couvre ni la gestion des secrets au-delà de la variable d'environnement, ni le déploiement en production
À utiliser lorsqu'on démarre la construction d'un agent Lindy et qu'on veut une trame ordonnée de la spécification jusqu'aux premiers tests.
À éviter si l'on n'utilise pas la plateforme Lindy ou si l'on cherche des conseils génériques de conception d'agents indépendants d'un fournisseur.
Analyse de sécurité
SûrThe skill is a pure documentation/instruction file for creating Lindy AI agents via the TypeScript SDK. Declared allowed-tools are limited to Read, Write, Edit with no bash, network, or system-modifying operations. The API key is referenced via process.env.LINDY_API_KEY rather than hardcoded or exfiltrated, and there are no curl|sh, destructive commands, obfuscated payloads, or safety-disabling instructions.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
Use the Lindy core workflow to create a customer support agent with email and knowledge-base tools, then run a few test inputs and show me the outputs.Build a Lindy agent for handling subscription questions: write the AgentSpec in TypeScript, create it via the SDK, attach the calendar and email tools, and test it with three sample queries.I already have a Lindy agent ID — help me configure its tools and run the test cases from the lindy-core-workflow-a skill.name: lindy-core-workflow-a description: | Core Lindy workflow for creating and configuring AI agents. Use when building new agents, defining agent behaviors, or setting up agent capabilities. Trigger with phrases like "create lindy agent", "build lindy agent", "lindy agent workflow", "configure lindy agent". allowed-tools: Read, Write, Edit version: 1.0.0 license: MIT author: Jeremy Longshore jeremy@intentsolutions.io
Lindy Core Workflow A: Agent Creation
Overview
Complete workflow for creating, configuring, and deploying Lindy AI agents.
Prerequisites
- Completed
lindy-install-authsetup - Understanding of agent use case
- Clear instructions/persona defined
Instructions
Step 1: Define Agent Specification
interface AgentSpec {
name: string;
description: string;
instructions: string;
tools: string[];
model?: string;
temperature?: number;
}
const agentSpec: AgentSpec = {
name: 'Customer Support Agent',
description: 'Handles customer inquiries and support tickets',
instructions: `
You are a helpful customer support agent.
- Be polite and professional
- Ask clarifying questions when needed
- Escalate complex issues to human support
- Always confirm resolution with the customer
`,
tools: ['email', 'calendar', 'knowledge-base'],
model: 'gpt-4',
temperature: 0.7,
};
Step 2: Create the Agent
import { Lindy } from '@lindy-ai/sdk';
const lindy = new Lindy({ apiKey: process.env.LINDY_API_KEY });
async function createAgent(spec: AgentSpec) {
const agent = await lindy.agents.create({
name: spec.name,
description: spec.description,
instructions: spec.instructions,
tools: spec.tools,
config: {
model: spec.model || 'gpt-4',
temperature: spec.temperature || 0.7,
},
});
console.log(`Created agent: ${agent.id}`);
return agent;
}
Step 3: Configure Agent Tools
async function configureTools(agentId: string, tools: string[]) {
for (const tool of tools) {
await lindy.agents.addTool(agentId, {
name: tool,
enabled: true,
});
}
console.log(`Configured ${tools.length} tools`);
}
Step 4: Test the Agent
async function testAgent(agentId: string) {
const testCases = [
'Hello, I need help with my order',
'Can you check my subscription status?',
'I want to cancel my account',
];
for (const input of testCases) {
const result = await lindy.agents.run(agentId, { input });
console.log(`Input: ${input}`);
console.log(`Output: ${result.output}\n`);
}
}
Output
- Fully configured AI agent
- Connected tools and integrations
- Tested agent responses
- Ready for deployment
Error Handling
| Error | Cause | Solution | |-------|-------|----------| | Tool not found | Invalid tool name | Check available tools list | | Instructions too long | Exceeds limit | Summarize or split instructions | | Model unavailable | Unsupported model | Use default gpt-4 |
Examples
Complete Agent Creation Flow
async function main() {
// Create agent
const agent = await createAgent(agentSpec);
// Configure tools
await configureTools(agent.id, agentSpec.tools);
// Test agent
await testAgent(agent.id);
console.log(`Agent ${agent.id} is ready!`);
}
main().catch(console.error);
Resources
Next Steps
Proceed to lindy-core-workflow-b for task automation workflows.
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/lindy-agent-creation-workflow-ms1aw589/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/lindy-agent-creation-workflow-ms1aw589' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/lindy-agent-creation-workflow-ms1aw589/download' --output '.skill-downloads/lindy-agent-creation-workflow-ms1aw589/SKILL.md.part' && mv '.skill-downloads/lindy-agent-creation-workflow-ms1aw589/SKILL.md.part' '.skill-downloads/lindy-agent-creation-workflow-ms1aw589/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Outils déclarés par l’auteur (à vérifier dans votre agent) : Read, Write, Edit
Extrait original : Prerequisites
- Completed
lindy-install-authsetup - Understanding of agent use case
- Clear instructions/persona defined
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.
Claude Code
test -f '.skill-downloads/lindy-agent-creation-workflow-ms1aw589/SKILL.md' && test -s '.skill-downloads/lindy-agent-creation-workflow-ms1aw589/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/lindy-core-workflow-a' && cp -R '.skill-downloads/lindy-agent-creation-workflow-ms1aw589' '.claude/skills/lindy-core-workflow-a'OpenSkills
OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.
Installation officielle d’OpenSkillsopenskills install './.skill-downloads/lindy-agent-creation-workflow-ms1aw589'openskills read 'lindy-agent-creation-workflow-ms1aw589'La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.
Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.
openskills syncMode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/lindy-agent-creation-workflow-ms1aw589/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Créer des cartes interactives avec kepler.gl
Data & IA
Création de cartes interactives et export HTML autonome avec le package Python keplergl, à partir de données géospatiales (DataFrame, GeoJSON, CSV).
Optimisation de paramètres par agent
Data & IA
Guide d'optimisation de systèmes configurables avec objectif mesurable, via des essais bornés et une recommandation fondée sur des preuves.
Relance des visiteurs ICP
Data & IA
Identifiez les utilisateurs inscrits correspondant au profil client idéal mais qui n'ont pas activé, et rédigez des messages de relance personnalisés pour les réengager.