使用 Ark 官方的 arkcli-agent Skill，在已授权账号中创建或管理 Managed Agent（托管智能体），配置模型、Skills 与工具，选择运行环境并通过会话验证效果。这里的托管 Agent 是云上资源，与正在帮助你执行任务的 Code Agent 不同。

开始前准备

示例输入

创建一个用于文档问答的云端智能体：

调整已有智能体：

创建与验证

管理已有智能体

任务	执行前	执行后
修改模型、提示词或工具	读取精确 Agent ID 的当前配置，展示修改项与保留项	回读配置，核对实际变化并测试会话
补充或更新业务 Skill	核对来源、版本、权限与目标 Agent，确认挂载范围	检查关联配置，使用能触发该 Skill 的问题测试
调整运行环境	核对项目、环境和现有会话的依赖，说明影响	核对环境状态及目标会话是否使用预期配置
定位会话失败	收集会话状态、事件、时间和脱敏错误	区分认证、模型、工具及环境问题；无法确认的原因单独列出

更新 Agent 不等于所有已有会话已经使用新配置。需按当前产品规则核对会话配置或新建测试会话，不把配置保存当作验证通过。

预期结果与验证

权限、费用与限制

安装 Skill 不会自动开通服务或授予资源权限。模型请求、运行环境及相关云服务可能产生费用，以产品计费规则为准。不要把密钥写入提示词、仓库或测试文本；使用外部 MCP 时，还需对应服务的配置与授权。

完整能力和命令见arkcli-agent 官方说明；安装与认证见Ark CLI 官方仓库。

费用与资源清理

模型调用、运行环境和外部工具可能分别产生费用。可结合方舟用量与费用分析核对模型侧数据，但没有完整资源关联时，不把某个 Key 或 Endpoint 的费用称作单个 Agent 的全部成本。

测试结束后列出本次创建的 Agent、环境、会话及相关资源，标明共享依赖。只清理你确认的对象；停止会话不等于所有关联资源都已删除或停止计费。