Agent Starter Pack 全览在 Google Cloud 上从零到生产级 AI Agent 的一站式方案【免费下载链接】agent-starter-packShip AI Agents to Google Cloud in minutes, not months. Production-ready templates with built-in CI/CD, evaluation, and observability.项目地址: https://gitcode.com/GitHub_Trending/ag/agent-starter-packAgent Starter Pack 是一个面向 Google Cloud 的生产级 AI Agent 模板与工具集它把想法到部署这条漫长链路压缩成一条命令脚手架生成、本地调试、评估、CI/CD、Terraform 基础设施与可观测性全部内置。读完本文你将掌握如何用uvx agent-starter-pack create在 1 分钟内创建可运行的 Agent 项目理解模板体系、CLI 命令、部署与监控的完整生命周期并知道如何在自己的业务场景中定制扩展。Agent Starter Pack 高层架构一、项目定位解决从原型到生产的最后一公里Agent Starter Pack 的核心定位是Production-Ready Agents on Google Cloud只写 Agent 逻辑其余基础设施、CI/CD、可观测性、安全全部由模板补齐。它遵循 Bring Your Own Agent 的思路——你可以用 Google ADK、LangGraph甚至自带框架只要把 Agent 代码放进模板骨架即可。这一设计源于真实的工程痛点见 Why an Agent Starter Pack开发一个能跑的 Demo 很简单但从 Demo 到生产级 Agent 往往要耗费 3 到 9 个月。瓶颈集中在四类最后一公里问题定制与集成业务逻辑适配、数据 Grounding、安全与合规严格评估上线前用 Vertex AI Evaluation 衡量质量、准确性与安全性往往需要构建评测数据集部署与运维MLOps/LLMOps可扩展的基础设施、CI/CD 流水线、单元/集成/负载测试、UI 集成可观测性与监控实时追踪延迟与资源消耗、采集用户反馈、支持持续调优。Agent Starter Pack 将上述内容固化为模板让团队把精力集中在提示词、工具与业务逻辑这些真正差异化的部分。二、四大核心能力docs/index.md 将项目能力概括为四个方向能力说明对应文档快速启动内置 ReAct、RAG、多 Agent、Live Multimodal API 等模板直接实现通用模式Agent 模板总览实验与评估集成 Vertex AI 评估与交互式测试 Playground快速迭代开发指南自信部署基于 Cloud Run / Agent Engine 的生产级基础设施自带监控、可观测性与 CI/CD部署指南定制扩展针对具体场景改造模板或基于远程模板创建自有 Agent远程模板对应地README 与文档还列出了几项关键特性一条命令搭建 CI/CD同时支持 Google Cloud Build 与 GitHub Actions、面向 RAG 的 Terraform/CI-CD 数据管道支持 Vertex AI Search 与 Vector Search、远程模板共享机制以及通过项目内GEMINI.md上下文文件与 Gemini CLI 集成让开发者直接在终端询问模板结构、架构与上线路径。三、Agent 模板体系按场景选型仓库中的模板源码位于 agent_starter_pack/agents每种模板都配套完整的应用代码、测试与评估配置。当前内置模板如下详见 Agent 模板总览模板技术栈适用场景adkPython Google ADK通用对话 AgentReAct 模式入门adk_goGo ADK for GoGo 开发者高并发场景仅 Cloud Runadk_tsTypeScript ADK for TypeScriptNode.js 全栈开发者仅 Cloud Runadk_javaJava ADK for Java Spring BootJava 企业环境仅 Cloud Runadk_a2aADK Agent2Agent 协议跨框架分布式多 Agent 通信agentic_ragADK 检索增强生成文档检索与问答支持数据接入管道langgraphLangChain LangGraph图结构 Agent、显式状态管理与复杂推理流adk_liveGemini Live APIWebSocket音频/视频/文本实时多模态对话 RAG选型时可从六个维度权衡核心目标对话、文档问答还是任务自动化、编程语言偏好、框架偏好ADK / LangGraph / 自实现 RAG、推理复杂度ReAct 规划 vs 检索合成、是否需要多 Agent 协作以及模态需求是否要处理音视频。以agentic_rag为例源码见 agent_starter_pack/agents/agentic_rag/app它内置了可自动化的数据接入管道支持两种数据存储Vertex AI Search 与 Vector Search可生成自定义 Embedding 做语义检索并从检索上下文中合成答案配套 Terraform 部署与 CI/CD 选择。以adk_live为例agent_starter_pack/agents/adk_live它提供 FastAPI 后端与 React 前端并通过 WebSockets 实现低延迟的双向实时通信还内置反馈采集能力。四、一分钟上手创建你的第一个 Agent 项目前置条件Python 3.10Go 模板需 Go 1.21TypeScript 模板需 Node.js 20、Google Cloud SDK、Terraform部署用、Make开发任务用推荐安装uv。推荐用uvx一条命令完成创建无需永久安装uvx agent-starter-pack create没有uv时可用 pip 流程python -m venv .venv source .venv/bin/activate pip install --upgrade agent-starter-pack agent-starter-pack createcreate命令会引导你选择 Agent 模板adk、adk_go、adk_ts、agentic_rag等、选择部署目标cloud_run、gke、agent_engine然后生成完整的项目结构——后端、可选前端与部署基础设施。常用示例# Python Agent Agent Engine agent-starter-pack create my-adk-agent -a adk -d agent_engine # Go Agent Cloud Run agent-starter-pack create my-go-agent -a adk_go -d cloud_run # TypeScript Agent Cloud Run agent-starter-pack create my-ts-agent -a adk_ts -d cloud_runcreate还支持丰富的自动化参数详见 create 命令参考--auto-approve/-y跳过交互默认项目名my-agent、模板adk、目标agent_engine、CI/CD 用google_cloud_build--prototype/-p生成不含 CI/CD 与 Terraform 的最小项目适合原型验证--datastore/-ds指定vertex_ai_search、vertex_ai_vector_search或cloud_sql自动启用数据接入--session-typeCloud Run/GKE 下选择in_memory、cloud_sql或agent_engine会话存储--region指定部署区域默认us-east1--in-folder在现有目录内直接生成项目文件自动在~/.agent-starter-pack/backups/备份原目录--google-api-key/-k改用 Google AI Studio API Key 而非 Vertex AI远程模板-a https://github.com/user/repo、-a github.com/user/repomain、-a adkgemini-fullstack、-a local./path等。命令的实际解析与执行逻辑可参见 agent_starter_pack/cli/commands/create.py 及其测试 tests/cli/commands/test_create.py。五、项目结构与本地开发创建完成后进入项目目录执行cd your-project make install make playgroundPython 项目典型结构如下Go 项目对应为agent/与e2e/见 开发指南app/ # 后端 Agent 代码提示词、工具、业务逻辑 .cloudbuild/ # Google Cloud Build CI/CD若选择 .github/ # GitHub Actions CI/CD若选择 deployment/ # Terraform 基础设施即代码 tests/ # 单元、集成与负载测试 notebooks/ # Jupyter 原型评估笔记本仅 Python frontend/ # 可选Agent 的 Web UI README.md # 项目专属运行与部署说明 GEMINI.md # AI 助手上下文文件开发循环非常直接在notebooks/中快速原型 → 把逻辑整合进app/agent.py→ 用带热重载的交互式 Playground 测试。依赖管理方面Python 用uv add/uv removeGo 用go get/go mod tidy。六、部署从开发环境到生产 CI/CD部署策略是 Terraform基础设施即代码 CI/CD 流水线的组合流水线遵循最佳实践详见 部署指南CI 流水线PR 触发运行单元与集成测试保障代码质量Staging CD 流水线合并 main 触发构建并推送容器镜像到 Artifact Registry部署到 staging执行自动化负载测试生产部署staging 成功后需要人工审批把已在 staging 验证过的同一镜像部署到生产。方式一开发环境快速部署gcloud config set project your-dev-project-id make setup-dev-env # 用 deployment/terraform/dev 预置开发环境 make deploy # 部署 Agent 后端方式二一键 CI/CD推荐在项目根目录运行uvx agent-starter-pack setup-cicd \ --staging-project your-staging-project-id \ --prod-project your-prod-project-id \ --repository-name my-awesome-agent该命令详见 setup-cicd 命令参考会自动完成检测项目使用的 CI/CD runnerCloud Build 或 GitHub Actions、创建或连接 GitHub 仓库、确认 staging/prod 项目 ID、执行deployment/terraform中的 Terraform 脚本完成基础设施预置、配置部署触发器。前提是安装 Terraform、ghCLI需repo与workflow权限执行gh auth login与gcloudCLI执行gcloud auth application-default login并且运行者拥有 Google Cloud 项目的 Owner 角色。关键 Terraform 变量部署依赖的变量定义在 agent_starter_pack/base_templates/_shared/deployment/terraform 中核心包括核心配置project_name资源命名基名、prod_project_id/staging_project_id生产/预发布项目 ID、cicd_runner_project_idCI/CD 执行项目、region默认us-east1仓库连接repository_name、repository_owner、host_connection_name服务账号权限app_sa_roles、cicd_roles、cicd_sa_deployment_required_rolesCI/CD 提供商专属Cloud Build 需要github_app_installation_id、github_pat_secret_id、create_cb_connectionGitHub Actions 需要create_repository可选数据接入pipeline_cron_schedule默认每周、pipelines_roles可选 Vector Searchvector_search_embedding_size默认 768、vector_search_approximate_neighbors_count默认 150、副本数、vector_search_shard_size、vector_search_machine_type默认e2-standard-2日志配置telemetry_logs_filter、feedback_logs_filter。仓库中 tests/fixtures/makefile_snapshots 保存了各模板与部署目标组合下 Makefile 的快照如adk_cloud_run_no_data.makefile、langgraph_agent_engine.makefile可用于对照生成结果是否符合预期。七、评估、可观测性与维护评估每个 Python 模板都带tests/eval/目录内含evalsets/basic.evalset.json与eval_config.json并配套 Jupyter 笔记本如 agent_starter_pack/agents/adk/notebooks/evaluating_adk_agent.ipynb用于基于 Vertex AI 评估对 Agent 质量进行量化分析。可观测性部署后的 Agent 通过 OpenTelemetry GenAI 插桩自动采集遥测数据并导出到 Google Cloud详见 开发指南 与 可观测性指南BigQuery查询 Token 用量、模型交互与性能指标数据通过外部表自动关联Cloud LoggingGenAI 操作日志与用户反馈进入专用日志桶保留 10 年Cloud Trace在 Trace 控制台查看 GenAI 操作的请求流与延迟可视化可选将 BigQuery 数据接入 BI 工具构建自定义仪表盘。升级与共享项目演进时可用upgrade命令保持最新upgrade 参考uvx agent-starter-pack upgrade --dry-run # 预览变更 uvx agent-starter-pack upgrade # 应用升级升级采用智能三方合并未改动的脚手架文件自动更新、你的定制在 ASP 未改动时被保留、双方都改动时提示解决冲突。需要分享最小化 Agent 时可用extract去掉部署脚手架生成精简可分享项目浏览可用模板用list。八、扩展与生态为已有项目增强在项目根目录运行uvx agent-starter-pack enhance即可为现有 Agent 补齐生产级部署与基础设施等价于create --in-folder场景。远程模板任何 Git 仓库都可被打包成 Agent 模板发布共享支持--base-template覆盖远程模板的基座如将adkdata-science的基座改为adk_live详见 远程模板指南。Gemini CLI 集成仓库根目录的 GEMINI.md 提供了面向 AI 编码助手的项目上下文可在终端中直接询问模板结构、Agent 架构与上线路径。九、文档地图项目文档围绕上述生命周期组织docs/index.md 提供的官方导航路径均已转换为仓库根目录相对路径如下新手入门入门指南含命令速查表环境安装安装指南上线部署部署指南模板选型Agent 模板总览社区案例社区展示命令手册CLI 参考需要注意的是项目 README 已声明 Agent Starter Pack 进入维护模式新功能开发已迁移至agents-cli本项目仅接收关键修复新项目建议直接用uvx google-agents-cli setup起步已有项目可按迁移指南无缝迁移Agent 代码、测试、Terraform 与 CI/CD 均可直接保留。在迁移前本仓库仍是理解生产级 Agent 脚手架设计的完整参考实现。【免费下载链接】agent-starter-packShip AI Agents to Google Cloud in minutes, not months. Production-ready templates with built-in CI/CD, evaluation, and observability.项目地址: https://gitcode.com/GitHub_Trending/ag/agent-starter-pack创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Agent Starter Pack 全览：在 Google Cloud 上从零到生产级 AI Agent 的一站式方案
Agent Starter Pack 全览在 Google Cloud 上从零到生产级 AI Agent 的一站式方案【免费下载链接】agent-starter-packShip AI Agents to Google Cloud in minutes, not months. Production-ready templates with built-in CI/CD, evaluation, and observability.项目地址: https://gitcode.com/GitHub_Trending/ag/agent-starter-packAgent Starter Pack 是一个面向 Google Cloud 的生产级 AI Agent 模板与工具集它把想法到部署这条漫长链路压缩成一条命令脚手架生成、本地调试、评估、CI/CD、Terraform 基础设施与可观测性全部内置。读完本文你将掌握如何用uvx agent-starter-pack create在 1 分钟内创建可运行的 Agent 项目理解模板体系、CLI 命令、部署与监控的完整生命周期并知道如何在自己的业务场景中定制扩展。Agent Starter Pack 高层架构一、项目定位解决从原型到生产的最后一公里Agent Starter Pack 的核心定位是Production-Ready Agents on Google Cloud只写 Agent 逻辑其余基础设施、CI/CD、可观测性、安全全部由模板补齐。它遵循 Bring Your Own Agent 的思路——你可以用 Google ADK、LangGraph甚至自带框架只要把 Agent 代码放进模板骨架即可。这一设计源于真实的工程痛点见 Why an Agent Starter Pack开发一个能跑的 Demo 很简单但从 Demo 到生产级 Agent 往往要耗费 3 到 9 个月。瓶颈集中在四类最后一公里问题定制与集成业务逻辑适配、数据 Grounding、安全与合规严格评估上线前用 Vertex AI Evaluation 衡量质量、准确性与安全性往往需要构建评测数据集部署与运维MLOps/LLMOps可扩展的基础设施、CI/CD 流水线、单元/集成/负载测试、UI 集成可观测性与监控实时追踪延迟与资源消耗、采集用户反馈、支持持续调优。Agent Starter Pack 将上述内容固化为模板让团队把精力集中在提示词、工具与业务逻辑这些真正差异化的部分。二、四大核心能力docs/index.md 将项目能力概括为四个方向能力说明对应文档快速启动内置 ReAct、RAG、多 Agent、Live Multimodal API 等模板直接实现通用模式Agent 模板总览实验与评估集成 Vertex AI 评估与交互式测试 Playground快速迭代开发指南自信部署基于 Cloud Run / Agent Engine 的生产级基础设施自带监控、可观测性与 CI/CD部署指南定制扩展针对具体场景改造模板或基于远程模板创建自有 Agent远程模板对应地README 与文档还列出了几项关键特性一条命令搭建 CI/CD同时支持 Google Cloud Build 与 GitHub Actions、面向 RAG 的 Terraform/CI-CD 数据管道支持 Vertex AI Search 与 Vector Search、远程模板共享机制以及通过项目内GEMINI.md上下文文件与 Gemini CLI 集成让开发者直接在终端询问模板结构、架构与上线路径。三、Agent 模板体系按场景选型仓库中的模板源码位于 agent_starter_pack/agents每种模板都配套完整的应用代码、测试与评估配置。当前内置模板如下详见 Agent 模板总览模板技术栈适用场景adkPython Google ADK通用对话 AgentReAct 模式入门adk_goGo ADK for GoGo 开发者高并发场景仅 Cloud Runadk_tsTypeScript ADK for TypeScriptNode.js 全栈开发者仅 Cloud Runadk_javaJava ADK for Java Spring BootJava 企业环境仅 Cloud Runadk_a2aADK Agent2Agent 协议跨框架分布式多 Agent 通信agentic_ragADK 检索增强生成文档检索与问答支持数据接入管道langgraphLangChain LangGraph图结构 Agent、显式状态管理与复杂推理流adk_liveGemini Live APIWebSocket音频/视频/文本实时多模态对话 RAG选型时可从六个维度权衡核心目标对话、文档问答还是任务自动化、编程语言偏好、框架偏好ADK / LangGraph / 自实现 RAG、推理复杂度ReAct 规划 vs 检索合成、是否需要多 Agent 协作以及模态需求是否要处理音视频。以agentic_rag为例源码见 agent_starter_pack/agents/agentic_rag/app它内置了可自动化的数据接入管道支持两种数据存储Vertex AI Search 与 Vector Search可生成自定义 Embedding 做语义检索并从检索上下文中合成答案配套 Terraform 部署与 CI/CD 选择。以adk_live为例agent_starter_pack/agents/adk_live它提供 FastAPI 后端与 React 前端并通过 WebSockets 实现低延迟的双向实时通信还内置反馈采集能力。四、一分钟上手创建你的第一个 Agent 项目前置条件Python 3.10Go 模板需 Go 1.21TypeScript 模板需 Node.js 20、Google Cloud SDK、Terraform部署用、Make开发任务用推荐安装uv。推荐用uvx一条命令完成创建无需永久安装uvx agent-starter-pack create没有uv时可用 pip 流程python -m venv .venv source .venv/bin/activate pip install --upgrade agent-starter-pack agent-starter-pack createcreate命令会引导你选择 Agent 模板adk、adk_go、adk_ts、agentic_rag等、选择部署目标cloud_run、gke、agent_engine然后生成完整的项目结构——后端、可选前端与部署基础设施。常用示例# Python Agent Agent Engine agent-starter-pack create my-adk-agent -a adk -d agent_engine # Go Agent Cloud Run agent-starter-pack create my-go-agent -a adk_go -d cloud_run # TypeScript Agent Cloud Run agent-starter-pack create my-ts-agent -a adk_ts -d cloud_runcreate还支持丰富的自动化参数详见 create 命令参考--auto-approve/-y跳过交互默认项目名my-agent、模板adk、目标agent_engine、CI/CD 用google_cloud_build--prototype/-p生成不含 CI/CD 与 Terraform 的最小项目适合原型验证--datastore/-ds指定vertex_ai_search、vertex_ai_vector_search或cloud_sql自动启用数据接入--session-typeCloud Run/GKE 下选择in_memory、cloud_sql或agent_engine会话存储--region指定部署区域默认us-east1--in-folder在现有目录内直接生成项目文件自动在~/.agent-starter-pack/backups/备份原目录--google-api-key/-k改用 Google AI Studio API Key 而非 Vertex AI远程模板-a https://github.com/user/repo、-a github.com/user/repomain、-a adkgemini-fullstack、-a local./path等。命令的实际解析与执行逻辑可参见 agent_starter_pack/cli/commands/create.py 及其测试 tests/cli/commands/test_create.py。五、项目结构与本地开发创建完成后进入项目目录执行cd your-project make install make playgroundPython 项目典型结构如下Go 项目对应为agent/与e2e/见 开发指南app/ # 后端 Agent 代码提示词、工具、业务逻辑 .cloudbuild/ # Google Cloud Build CI/CD若选择 .github/ # GitHub Actions CI/CD若选择 deployment/ # Terraform 基础设施即代码 tests/ # 单元、集成与负载测试 notebooks/ # Jupyter 原型评估笔记本仅 Python frontend/ # 可选Agent 的 Web UI README.md # 项目专属运行与部署说明 GEMINI.md # AI 助手上下文文件开发循环非常直接在notebooks/中快速原型 → 把逻辑整合进app/agent.py→ 用带热重载的交互式 Playground 测试。依赖管理方面Python 用uv add/uv removeGo 用go get/go mod tidy。六、部署从开发环境到生产 CI/CD部署策略是 Terraform基础设施即代码 CI/CD 流水线的组合流水线遵循最佳实践详见 部署指南CI 流水线PR 触发运行单元与集成测试保障代码质量Staging CD 流水线合并 main 触发构建并推送容器镜像到 Artifact Registry部署到 staging执行自动化负载测试生产部署staging 成功后需要人工审批把已在 staging 验证过的同一镜像部署到生产。方式一开发环境快速部署gcloud config set project your-dev-project-id make setup-dev-env # 用 deployment/terraform/dev 预置开发环境 make deploy # 部署 Agent 后端方式二一键 CI/CD推荐在项目根目录运行uvx agent-starter-pack setup-cicd \ --staging-project your-staging-project-id \ --prod-project your-prod-project-id \ --repository-name my-awesome-agent该命令详见 setup-cicd 命令参考会自动完成检测项目使用的 CI/CD runnerCloud Build 或 GitHub Actions、创建或连接 GitHub 仓库、确认 staging/prod 项目 ID、执行deployment/terraform中的 Terraform 脚本完成基础设施预置、配置部署触发器。前提是安装 Terraform、ghCLI需repo与workflow权限执行gh auth login与gcloudCLI执行gcloud auth application-default login并且运行者拥有 Google Cloud 项目的 Owner 角色。关键 Terraform 变量部署依赖的变量定义在 agent_starter_pack/base_templates/_shared/deployment/terraform 中核心包括核心配置project_name资源命名基名、prod_project_id/staging_project_id生产/预发布项目 ID、cicd_runner_project_idCI/CD 执行项目、region默认us-east1仓库连接repository_name、repository_owner、host_connection_name服务账号权限app_sa_roles、cicd_roles、cicd_sa_deployment_required_rolesCI/CD 提供商专属Cloud Build 需要github_app_installation_id、github_pat_secret_id、create_cb_connectionGitHub Actions 需要create_repository可选数据接入pipeline_cron_schedule默认每周、pipelines_roles可选 Vector Searchvector_search_embedding_size默认 768、vector_search_approximate_neighbors_count默认 150、副本数、vector_search_shard_size、vector_search_machine_type默认e2-standard-2日志配置telemetry_logs_filter、feedback_logs_filter。仓库中 tests/fixtures/makefile_snapshots 保存了各模板与部署目标组合下 Makefile 的快照如adk_cloud_run_no_data.makefile、langgraph_agent_engine.makefile可用于对照生成结果是否符合预期。七、评估、可观测性与维护评估每个 Python 模板都带tests/eval/目录内含evalsets/basic.evalset.json与eval_config.json并配套 Jupyter 笔记本如 agent_starter_pack/agents/adk/notebooks/evaluating_adk_agent.ipynb用于基于 Vertex AI 评估对 Agent 质量进行量化分析。可观测性部署后的 Agent 通过 OpenTelemetry GenAI 插桩自动采集遥测数据并导出到 Google Cloud详见 开发指南 与 可观测性指南BigQuery查询 Token 用量、模型交互与性能指标数据通过外部表自动关联Cloud LoggingGenAI 操作日志与用户反馈进入专用日志桶保留 10 年Cloud Trace在 Trace 控制台查看 GenAI 操作的请求流与延迟可视化可选将 BigQuery 数据接入 BI 工具构建自定义仪表盘。升级与共享项目演进时可用upgrade命令保持最新upgrade 参考uvx agent-starter-pack upgrade --dry-run # 预览变更 uvx agent-starter-pack upgrade # 应用升级升级采用智能三方合并未改动的脚手架文件自动更新、你的定制在 ASP 未改动时被保留、双方都改动时提示解决冲突。需要分享最小化 Agent 时可用extract去掉部署脚手架生成精简可分享项目浏览可用模板用list。八、扩展与生态为已有项目增强在项目根目录运行uvx agent-starter-pack enhance即可为现有 Agent 补齐生产级部署与基础设施等价于create --in-folder场景。远程模板任何 Git 仓库都可被打包成 Agent 模板发布共享支持--base-template覆盖远程模板的基座如将adkdata-science的基座改为adk_live详见 远程模板指南。Gemini CLI 集成仓库根目录的 GEMINI.md 提供了面向 AI 编码助手的项目上下文可在终端中直接询问模板结构、Agent 架构与上线路径。九、文档地图项目文档围绕上述生命周期组织docs/index.md 提供的官方导航路径均已转换为仓库根目录相对路径如下新手入门入门指南含命令速查表环境安装安装指南上线部署部署指南模板选型Agent 模板总览社区案例社区展示命令手册CLI 参考需要注意的是项目 README 已声明 Agent Starter Pack 进入维护模式新功能开发已迁移至agents-cli本项目仅接收关键修复新项目建议直接用uvx google-agents-cli setup起步已有项目可按迁移指南无缝迁移Agent 代码、测试、Terraform 与 CI/CD 均可直接保留。在迁移前本仓库仍是理解生产级 Agent 脚手架设计的完整参考实现。【免费下载链接】agent-starter-packShip AI Agents to Google Cloud in minutes, not months. Production-ready templates with built-in CI/CD, evaluation, and observability.项目地址: https://gitcode.com/GitHub_Trending/ag/agent-starter-pack创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考