使用编码 Agent 开发 Redis 应用时，模型通常知道 Redis 可以用来做缓存，却未必掌握较新的产品能力和工程实践。面对 Redis Agent Memory 或混合检索管道，它可能仍然给出较早的实现方式。

Redis 推出的 Redis Development 插件，将当前的 Redis 工程指导引入 ChatGPT Work 与 Codex，帮助团队在编写、评审和排查 Redis 代码时，直接获得与任务相关的技术指引。与此同时，ChatGPT Work 中的 Data Agent 也可以结合已连接的 Redis 数据，帮助团队用自然语言分析变化并调查原因。

将技能放进开发上下文

Redis Development 插件由一组 Agent Skills 组成。每项技能提供针对特定 Redis 工作的指导，Agent 遇到相应任务时加载这些内容，使工程实践在需要时进入上下文。

此前通过


npx skills add

安装 Redis Agent Skills 的方式仍然有效。插件则提供了另一种入口，可以在支持插件的 ChatGPT Work 和 Codex 界面中安装。

插件涵盖数据建模、连接管理、搜索、语义缓存、集群、安全、可观测性和 Agent Memory，具体技能如下：

技能	涵盖内容
redis-core	数据结构选择、Hash 与 JSON 的取舍，以及一致的键命名
redis-connections	连接池、多路复用、流水线、客户端缓存、超时和慢命令
redis-search	Schema 设计、搜索与聚合、向量相似度、混合检索和 RAG 管道
redis-semantic-cache	使用 LangCache 缓存 LLM 响应、相似度调优，以及按任务分离缓存
redis-clustering	多键操作中的 Hash Tag、避免 CROSSSLOT 错误，以及副本读取
redis-security	身份认证、TLS、ACL 策略、网络绑定和防火墙配置
redis-observability	关键指标、排障命令和 Redis Insight
iris-development	Redis Agent Memory 资源创建、SDK 认证、会话事件、长期记忆搜索和异步提升

这些内容让 Agent 在处理 Redis 任务时，可以参考更具体的产品与工程指导，而不只依赖训练阶段获得的知识。LangCache 和 Redis Agent Memory 等较新能力，也是这组技能重点覆盖的对象。

开发指导与数据分析各自发挥作用

Redis Development 插件侧重开发过程中的指导；Data Agent 则可以通过企业批准的 Redis 数据连接，对实际数据开展分析。两者共同支持应用设计、代码评审、故障排查，以及围绕现有数据提出问题和理解变化。

相关工作可以涉及数据结构、连接、Redis Search、语义缓存、集群、安全和可观测性，也可以涉及 Redis Iris Agent Memory。实际数据分析仍以已经配置并获得组织批准的数据连接为前提。

Redis 团队使用接近开发者真实提问方式的提示词，在多个模型上对比加载技能前后的表现。在已运行的所有测试套件中，通过率都有提升，回答也更直接。

开始使用

在支持的 ChatGPT Work 或 Codex 界面中，可以在插件浏览器里查找 Redis Development。对于其他受支持的 Agent，仍可使用 Skills CLI：

npx skills add redis/agent-skills

需要分析 Redis 数据时，先配置组织批准的 Redis 数据连接，再在 ChatGPT Work 中通过 @Data 发起对话并提出问题。

Redis 团队会继续根据实际效果完善技能，补充有帮助的指导并删除冗余内容。相关仓库采用 MIT 许可证并接受贡献；如果 Agent 给出了错误的 Redis 建议，可以把提问和回答作为问题反馈，帮助后续改进。

ITPub博客

把 Redis 工程实践带入 ChatGPT Work 与 Codex

将技能放进开发上下文

开发指导与数据分析各自发挥作用

开始使用

最新文章