平台带了一个叫 standalone-repo-agent 的 skill（一个 SKILL.md）。回忆 Day 19：它是"在你自己的独立 git 仓库（不在平台 monorepo）里从零起一个 agent"的手把手指南。跟着抄就能跑通，例子叫 demo-agent，换成你的名字即可。活范例是 bmc-agent（CLI+MCP+telemetry+发 Nexus 全套）。

先厘清和 Day 19 的关系——平台有两条起 agent 的路，本篇专讲第二条：

本篇还有一个"分叉"——起 agent 也有手动 vs 一键两种：

下面时间线会依次点亮，先建立"从零到上线要经过哪 9 步"的整体感（下面各讲逐步展开）：

步骤 0 · 本地环境检查

这是个本地 agent——开发和运行都在你本机（默认 CLI 形态），代码/数据不出门。开工确认两样：Python ≥ 3.10（python3 --version）+ uv（包管理+venv）：

curl -LsSf https://astral.sh/uv/install.sh | sh   # 装 uv（macOS 也可 brew install uv）

凭据三类，都别提交进 git：Nexus 只读拉取账号（步骤 2，团队共用）· LLM key（业务方自己填）· 发布写凭据（找 @Valiant）。

步骤 1 · 起仓（2 分钟）

# A) 平台免登录直链下模板（不用任何 git 仓权限）
curl -fL http://gov-agents-ui.bmaicsaws-prod.com/portal/v1/agent-template/download.zip -o /tmp/tpl.zip
unzip /tmp/tpl.zip && mv standalone-agent-template demo-agent && cd demo-agent

# 2) 改名：your-agent / your_agent → 你的
mv your_agent demo_agent
grep -rl 'your[-_]agent' . | xargs sed -i '' 's/your-agent/demo-agent/g; s/your_agent/demo_agent/g'
#   ↑ macOS 用 sed -i ''；Linux 用 sed -i（去掉那对空引号）

# 3) git init
git init && git add -A && git commit -m "init demo-agent"

pyproject.toml 有几段关键（模板已带，别删）——它们让 uv 从公司 Nexus 拉框架：

[project]
dependencies = ["ai-trust-toolkit-bom[core]==0.6.0", "langchain-anthropic>=0.3.0", "typer>=0.12.0", ...]

[[tool.uv.index]]                         # 框架从公司 Nexus 拉
name = "bm-nexus"
url = "http://nexus.bitmartpro.com/repository/local-pipy/simple/"
[tool.uv]
index-strategy = "unsafe-best-match"      # 跨 Nexus+PyPI 挑满足约束的最优版
[tool.uv.sources]
ai-trust-toolkit-bom = { index = "bm-nexus" }   # 内部包钉死走 Nexus（防被公共 PyPI 同名顶替）

步骤 2 · 配 Nexus 拉取凭据（一次性）

用平台的只读拉取账号 pypi_pull（团队共用，uv 自动读 ~/.netrc）。用 printf 写、login/password 不加引号：

printf 'machine nexus.bitmartpro.com\nlogin pypi_pull\npassword 08gk5p2Q\n' >> ~/.netrc
chmod 600 ~/.netrc
cat ~/.netrc        # 确认：login pypi_pull（无引号）· password 无引号

步骤 3 · 装 + 配 LLM key + 跑通

uv sync                              # 从 Nexus 拉框架 + 建 venv

cp .env.example .env                 # 编辑 .env：ANTHROPIC_API_KEY=sk-ant-...
# 或 export ANTHROPIC_API_KEY=sk-ant-...（CI/临时；导出的 env 优先于 .env）

uv run demo-agent run "你好"          # 跑通！

✅ 期望：success=True · XXms + 一句 LLM 回复。没填 key 也能跑——走 echo 兜底打 (echo)你好，也算跑通。

模板已是分层骨架（跟 Day 05 讲的标准 agent 结构一致）：节点在 nodes/，builder.py 只组装，共享字段在 state.py。别对着示意图脑补——直接读模板里的真代码。先看它的黑板 examples/standalone-agent-template/your_agent/state.py，薄得只有两个字段：

class AgentState(TypedDict, total=False):     # state.py
    input: str
    output: str
    # ← 加你的中间字段,例如:parsed: dict / findings: list / verdict: str

再看示例节点 your_agent/nodes/run.py——这是模板里的完整真实代码（不是简化版），它悄悄替你处理了"没配 key"的情况：

# your_agent/nodes/run.py —— 示例节点(完整)
def run_node(state: AgentState) -> AgentState:
    text = state.get("input", "")
    try:
        from ai_trust_toolkit.llm import get_llm            # ← 走 toolkit 注入点
        from langchain_core.messages import HumanMessage, SystemMessage
        resp = get_llm("sonnet").invoke(
            [SystemMessage(content=RUN_SYSTEM), HumanMessage(content=text)])
        out = getattr(resp, "content", str(resp))
        if isinstance(out, list):                           # content block list 兼容
            out = next((b.get("text", "") for b in out if isinstance(b, dict)), str(out))
    except Exception:   # noqa: BLE001 — 无 key / 无依赖 · 回显
        out = f"(echo · 未接 LLM){text}"
    return {"output": out}

最后看组装图 your_agent/builder.py——单节点 demo，就是 Day 03 那套 StateGraph → add_node → set_entry_point → add_edge → compile：

def build_graph() -> Any:                     # builder.py
    from langgraph.graph import END, StateGraph
    g = StateGraph(AgentState)
    g.add_node("run", run_node)
    g.set_entry_point("run")
    g.add_edge("run", END)
    return g.compile()

多步流程（scan→处理→verify→report）：每个节点一个 nodes/*.py，在 builder.py 里多 add_node + add_edge 串起来，节点间传的字段加到 state.py。跟 monorepo 内的 agent 一模一样——学会 Day 05 那户，这里零成本迁移。

skill 给了几条"要更复杂时怎么长"的指引，正好回扣前面学的模块：

需求	怎么做（对应 gov-agents 教程）
多视角并行 LLM 分析	加 specialists/（Day 05 专家工厂）
调下游系统（库/工单/交易所）	写 tools/ 只读 client：白名单+时间窗+超时、失败 fallback 不阻断、入 LLM 前脱敏（Day 08 闸门 + Day 11 safe_tool_result）
按任务路由 / 串多 agent	supervisor 编排：进程内多专家 或 跨 agent HandoffSignal（Day 04）；现成编排器 supervisor-router-agent
agent 要存自己的数据	起"自有库"：Memory + MySQL 双 backend、get_store() 单例、CREATE TABLE IF NOT EXISTS 幂等（Day 09 记忆思想）
长 prompt	抽到 prompts/（Python 常量，Day 05 版本化 prompt）

步骤 5 · 接 telemetry（让平台看见你的效果）

模板的 your_agent/core.py 里已经写好了"跑图 + 上报"的整套包装（run_agent），你只需把效果 key 换成自己的。先读它的真实核心：

# your_agent/core.py —— 形态无关的 invoke 包装
def run_agent(initial_state, *, form="cli", telemetry=True, ...) -> RunResult:
    start = time.monotonic()
    graph = (graph_factory or build_graph)()
    final = graph.invoke(initial_state, config={"recursion_limit": 50})
    success = bool(final.get("output"))          # ← 换成你的"成功"判定
    result = RunResult(success=success, status="ok" if success else "failsafe",
                       duration_ms=int((time.monotonic()-start)*1000), final_state=final)
    if telemetry:
        _report(result, form)
    return result

def _report(result: RunResult, form: str) -> None:
    """上报 portal KPI · best-effort · 失败静默(toolkit 缺失/网络都不抛)。"""
    try:
        from ai_trust_toolkit import bind_effect, record_effect
        from ai_trust_toolkit.portal_telemetry import push_invoke_metrics
        with bind_effect():
            if result.success:
                record_effect("done", 1)         # ← 换成你的领域效果 key(upgraded / scanned)
            push_invoke_metrics(result, form=form)
    except Exception:  # noqa: BLE001 — telemetry 不阻断业务
        pass

那 record_effect 到底怎么工作？翻 toolkit 真源码 ai_trust_toolkit/effect.py:50：

_current_effect: ContextVar[dict|None] = ContextVar("...", default=None)  # effect.py:29

def record_effect(key: str, n: float = 1) -> None:          # effect.py:50
    acc = _current_effect.get()
    if acc is None:
        return          # ← AC-1.4 · 没 bind_effect / 非 invoke 路径 · 静默 no-op 不抛
    if not isinstance(key, str) or not key:
        return
    acc[key] = acc.get(key, 0.0) + float(n)                 # 同 invoke 内多次调累加

再看上报函数 ai_trust_toolkit/portal_telemetry.py:100 的两处硬约束：

DEFAULT_PORTAL_URL = "https://gov-agents-platform.bmaicsaws-prod.com/portal/v1"  # :34
_TIMEOUT_S = 2  # AC-TELEMETRY.9 · 不可改 · 防 portal 慢拖业务                    # :35

def push_invoke_metrics(result, form, ...) -> None:          # portal_telemetry.py:100
    payload = { "agent_id": agent_id, "deploy_form": form,
        "duration_ms": getattr(result, "duration_ms", 0),    # ← 全走 getattr · 缺字段给默认
        "success": getattr(result, "success", False),
        "metrics": _collect_effect_metrics(result), ... }
    try:
        urllib.request.urlopen(req, timeout=_TIMEOUT_S)      # 2s 超时
    except (urllib.error.URLError, OSError, TimeoutError) as e:
        log.debug("telemetry push failed (silent): %s", e)   # ← AC-TELEMETRY.8 · 静默

✅ 期望：跑完后平台 /agents/demo-agent 几分钟内出现一条调用 + 你的效果数。本地调试不想上报加 --no-telemetry（CLI 里 run_agent(..., telemetry=not no_telemetry)，见 your_agent/cli.py）。这正是 gov-agents Day 11 讲的 record_effect/ContextVar 自动采集。

步骤 6 · 选额外入口形态（按需，多选叠加）

先 CLI 跑通业务，形态后加不返工（模板都预留好了）：

你的场景	选
自己/小范围本机用，数据敏感不出门	只 CLI（默认）
让队友在 Cursor / Claude Code 里一键调	CLI + MCP（起个 demo-agent-mcp 包，照 bmc-agent-mcp）
被系统/定时/批量/跨团队调用，要常驻端点	CLI + pod（加 fastapi/uvicorn，server.py 已有 build_router()）

步骤 7 · 测

uv run --extra test pytest       # 模板自带冒烟测试

你的 agent 用服务凭据调下游（GitLab/工单/文档/业务库）时，有个核心风险——越权放大：没权限的人经你的 agent 就拿到了那个权限。命中下面任一 → 必须走独立安全评审：

逐条答（粘进你的方案/提案）：

发布产物按形态分两类，都先测试环境、验过再生产：

9.1 打产物

# CLI / MCP：build wheel + 发 Nexus
uv build
uv publish --publish-url http://nexus.bitmartpro.com/repository/bm-pypi/ \
  --username '<NEXUS_USER>' --password '<NEXUS_TOKEN>' dist/*
# pod 形态：build 镜像 → 推镜像仓

9.2 → 9.3 测试环境 → 生产

✅ 一页检查清单（照抄跑通）

[ ] 步0：python3 --version ≥3.10 + uv --version 有
[ ] 步1-2：下模板 → 改名干净（grep -r your_agent . 无输出）→ 配 ~/.netrc（pypi_pull）
[ ] 步3：uv sync → 填 ANTHROPIC_API_KEY → uv run demo-agent run "你好" 跑通
[ ] 步4：业务图换成你的（nodes/ + builder.py）· LLM 走 get_llm()
[ ] 步5：telemetry 接上（record_effect + push_invoke_metrics）
[ ] 步6：按场景选形态（CLI 默认 / +MCP / +pod）
[ ] 步7：uv run --extra test pytest 绿
[ ] 步8：涉权 → 过 7 问安全自检 / 独立评审
[ ] 步9：先 obelisk 测试环境验过 → 再生产（灰度 / pipx 广播）