Agent 架构入门：从单轮对话到自主代理

Agent 架构入门：从单轮对话到自主代理

原文：Building effective agents | Anthropic Engineering Blog | 2024.12.19

导语

在过去的一年里，Anthropic 与数十个团队合作构建 LLM 智能体。他们发现，最成功的实现往往不是使用复杂的框架，而是使用简单、可组合的模式。

这篇文章是 Anthropic 官方发布的第一篇 Agent 系统化指南，也是整个系列的起点。它回答了一个最基本的问题：Agent 到底是什么，以及我们应该如何构建它？

---

一、核心概念：工作流 vs 智能体

Anthropic 将"智能体系统"分为两类架构：

类型	定义	适用场景
工作流（Workflow）	通过预定义的代码路径编排 LLM 和工具	任务明确、需要一致性和可预测性
智能体（Agent）	LLM 动态指导自身的流程和工具使用	需要灵活性和模型驱动决策

关键洞察： 不要一上来就构建复杂的智能体。大多数应用只需要通过检索和上下文示例来优化单个 LLM 调用就足够了。智能体系统通常以延迟和成本为代价来换取更好的任务性能。

---

二、从简到繁：五种工作流模式

1. 提示链（Prompt Chaining）

将任务分解为一系列步骤，每个 LLM 调用处理上一步的输出。

适用场景： 任务可以分解为固定子任务，以延迟换取准确性。

典型案例： 生成营销文案 → 检查合规标准 → 翻译成多语言。

2. 路由（Routing）

对输入进行分类并引导至专门的后续任务。

适用场景： 复杂任务中有明显不同类别的输入。

典型案例： 客服查询分类——一般问题走 Haiku，复杂问题走 Sonnet。

3. 并行化（Parallelization）

LLM 同时处理任务并聚合结果，包括"分段"和"投票"两种模式。

适用场景： 需要速度或多重视角以提高置信度。

典型案例： 并行进行内容审核与响应；多个模型并行审查代码漏洞。

4. 编排器-工作流（Orchestrator-Workers）

中央 LLM 动态分解任务、委派给工作流 LLM 并综合结果。

适用场景： 复杂任务且无法预测所需子任务。

典型案例： 涉及多文件更改的编码任务。

5. 评估器-优化器（Evaluator-Optimizer）

一个 LLM 生成响应，另一个在循环中提供评估和反馈。

适用场景： 有明确的评估标准，迭代改进能带来可衡量价值。

典型案例： 文学翻译；需要多轮搜索的复杂搜索任务。

---

三、真正的智能体模式

当上面的工作流模式都无法满足需求时，才需要使用真正的智能体模式：

核心特征： LLM 根据环境反馈循环使用工具。从人类指令开始，独立计划和操作，并在检查点或遇到阻碍时暂停寻求反馈。

适用场景： 开放性问题，步骤数量不可预测，且无法硬编码固定路径。

典型案例： 解决 SWE-bench 任务的编码智能体；使用计算机完成任务的 Computer Use。

---

四、工具工程：被低估的关键

Anthropic 提出了一个重要概念——ACI（Agent-Computer Interface），类比 HCI（人机交互），强调智能体与工具之间的接口设计同样重要。

工具设计的核心原则：

• 定义清晰：工具描述应准确无误，包含使用示例和边界情况
• 减少格式开销：避免让模型在 JSON 中处理大量转义字符
• 使用绝对路径：而非相对路径，以减少定位错误
• 测试驱动：像测试代码一样测试你的工具描述

---

五、两大高价值应用

客户支持

结合对话与行动的典型场景。Agent 需要遵循策略、查询数据库、执行退款等操作，同时保持对话的自然流畅。

编码智能体

输出可验证（代码能不能跑），问题空间结构化。这使得编码成为 Agent 最早取得突破的领域之一。

---

六、总结：三条核心原则

1. 保持简洁：在设计中维持简单性，不要为了"智能"而增加不必要的复杂性
2. 优先透明：明确显示智能体的规划步骤，让用户和开发者都能理解决策过程
3. 精心设计接口：通过彻底的工具文档和测试来优化 ACI

---

读后感

这篇文章最打动我的一句话是：

"最成功的实现往往不是使用复杂的框架，而是使用简单、可组合的模式。"

在 Agent 领域，少即是多。与其急着引入复杂的多 Agent 编排框架，不如先把单个工具调用做到极致。

---

本文是 Anthropic AI Agent 系列 第 1 篇，共 15 篇。下一篇：用 Agent SDK 构建你的第一个 Agent

关注公众号 coft 获取系列更新。