使用技能构建器进行构建

​

打开画布

​

节点类型

• Input（输入） — 入口点。配置触发类型（手动、关键词、事件、计划任务）。每个画布都必须有且仅有一个。
• Prompt（提示词） — 注入到技能提示词扩展中的系统指令。
• Model（模型） — 选择一个 Theo 模型（theo-1-flash、theo-1-reason、theo-1-code 等）及温度参数。
• Tool（工具） — 声明该技能可调用的自定义工具。包括名称、描述以及可选的 JSON schema。
• Knowledge（知识） — 附加参考文档（文件键），用于类 RAG 检索。
• Vision（视觉） — 启用多模态图像分析。配置图像来源（上传、URL 或上游步骤输出）以及分析指令。
• Condition（条件） — 基于布尔表达式的分支逻辑。输出至“true”和“false”两个连接点。
• Output（输出） — 响应格式节点。至少要有一个从 Input 可达。

​

工作流

1. 设计 — 从工具栏拖拽节点，连接边，并在节点内联配置各自的设置。
2. 保存 — 点击 Save（或按 Ctrl+S）。图会被持久化保存到你的账户中。
3. 编译 — 点击 Compile。Theo 会校验该图（检查环路、不可达节点、缺失的提示词），并将其转换为一个 SkillManifest + WorkflowSteps。
4. 测试 — 点击 Test 打开沙盒测试台。在安全环境中向已编译的技能发送消息——不会触发真实的工具调用，仅使用模拟数据。
5. 发布 — 点击 Publish，选择 slug、版本号和可见性级别，然后提交。该技能将进入与通过 CLI/API 提交的技能相同的审核流程。

​

发布可见性

• Private（私有） — 只有你本人可以查看和安装该技能。
• My Organization（我的组织） — 你所在组织的所有成员都可以查看和安装该技能，但不会公开列出。
• Public Marketplace（公共市场） — 该技能会在技能商店中向所有 Theo 用户展示。

​

通过 SDK

const canvas = await theo.createCanvas({ name: "My Agent" });
await theo.updateCanvas(canvas.id, {
  graph_json: { nodes: [...], edges: [...] },
});
const compiled = await theo.compileCanvas(canvas.id);
const test = await theo.testCanvas(canvas.id, "Hello, test message");
const published = await theo.publishCanvas(canvas.id, {
  slug: "my-agent",
  version: "1.0.0",
  author: { name: "Your Name" },
  visibility: "public",
});

​

通过 API