1. 為什么 Anthropic 這篇架構(gòu)筆記值得每個(gè)開(kāi)發(fā)智能體的人重讀三遍先說(shuō)我自己的感受。這幾年智能體賽道有多熱不用我重復(fù)了團(tuán)隊(duì)里聊的是 agent開(kāi)源社區(qū)里卷的是框架技術(shù)大會(huì)上走秀的是 demo。可當(dāng)我真正動(dòng)手做一個(gè)智能體從 能跑通一個(gè)循環(huán) 到 能交付一個(gè)穩(wěn)定可靠的系統(tǒng)中間那條路遠(yuǎn)比我預(yù)想的長(zhǎng)。問(wèn)題不在模型能力而在架構(gòu)選擇。直到我讀到 Anthropic 關(guān)于構(gòu)建有效智能體的那篇工程筆記才把很多模糊的判斷理清了。它沒(méi)有講復(fù)雜的算法也沒(méi)有給花哨的架構(gòu)圖而是回答了三個(gè)最本質(zhì)的問(wèn)題智能體和工作流到底差在哪里、什么場(chǎng)景真正需要智能體、以及如何用最小成本設(shè)計(jì)出可靠的系統(tǒng)架構(gòu)。標(biāo)題里講清楚這三個(gè)字我覺(jué)得特別準(zhǔn)確。因?yàn)槭忻嫔现v agent 的資料大多數(shù)要么停在給你看個(gè)炫酷案例要么堆了一堆框架名詞。而 Anthropic 這篇筆記的價(jià)值在于它把智能體架構(gòu)從玄學(xué)拉回到了工程決策的層面——你要做的不是選一個(gè)最智能的方案而是選一個(gè)復(fù)雜度匹配你業(yè)務(wù)場(chǎng)景的方案。這篇文章適合誰(shuí)看如果你正準(zhǔn)備從零搭建一個(gè)智能體但不確定該用工作流還是 agent如果你已經(jīng)用框架搭了 demo卻在生產(chǎn)環(huán)境里頻繁翻車(chē)或者你只是想搞清楚agent 架構(gòu)到底是怎么回事——那這篇筆記都值得你靜下心讀完。我會(huì)結(jié)合自己的落地經(jīng)驗(yàn)把筆記里的核心邏輯拆開(kāi)講透順便補(bǔ)充一些原文沒(méi)寫(xiě)但實(shí)際工程中一定會(huì)遇到的細(xì)節(jié)。提示Anthropic 這篇文章的核心觀點(diǎn)可以濃縮成一句話——**能不用智能體就不用智能體能用簡(jiǎn)單工作流解決的絕不為了炫技而上 agent。**這句話我一開(kāi)始不以為然踩了大半年坑之后才心服口服。2. 工作流和智能體先分清這兩個(gè)概念架構(gòu)才不會(huì)走偏2.1 Anthropic 的定義其實(shí)很反直覺(jué)很多人一聽(tīng)智能體就覺(jué)得是讓模型自己規(guī)劃、自己決策、自己執(zhí)行一聽(tīng)工作流就覺(jué)得是比較低級(jí)的東西。但 Anthropic 在筆記里的定義跟直覺(jué)恰恰相反工作流Workflow通過(guò)預(yù)設(shè)的代碼路徑來(lái)編排大語(yǔ)言模型LLM和各類(lèi)工具。每一步做什么、什么時(shí)候做、結(jié)果給誰(shuí)這些都是開(kāi)發(fā)者在代碼里寫(xiě)死的。LLM 只負(fù)責(zé)完成單個(gè)步驟里的生成任務(wù)不負(fù)責(zé)決定流程走向。智能體Agent由大語(yǔ)言模型動(dòng)態(tài)決定自己的流程、使用哪些工具、按什么順序執(zhí)行并且會(huì)基于環(huán)境的反饋不斷調(diào)整行動(dòng)直到任務(wù)完成。流程的控制權(quán)在模型手里而不在開(kāi)發(fā)者手里。我一開(kāi)始覺(jué)得這個(gè)區(qū)分太簡(jiǎn)單了。但后來(lái)發(fā)現(xiàn)正是這個(gè)簡(jiǎn)單區(qū)分決定了你在工程上所有后續(xù)決策要不要設(shè)計(jì)狀態(tài)機(jī)、要不要做人工審批節(jié)點(diǎn)、怎么處理失敗重試、怎么控制 token 成本、怎么做可觀測(cè)性。工作流和智能體的架構(gòu)成本完全不是一個(gè)量級(jí)。2.2 用流水線和實(shí)習(xí)生來(lái)類(lèi)比如果你覺(jué)得上面的定義還是抽象我用一個(gè)生活化的類(lèi)比。工作流就像工廠里的流水線每個(gè)工位做固定的事物料從 A 傳到 B 再傳到 C順序永遠(yuǎn)不會(huì)亂。你給流水線加一個(gè)智能環(huán)節(jié)比如某個(gè)工位用 LLM 來(lái)寫(xiě)一段文案、做一次翻譯那它的本質(zhì)還是一個(gè)可預(yù)測(cè)的、確定性的流程。它的優(yōu)點(diǎn)是可測(cè)試、可控制、成本可預(yù)估缺點(diǎn)是遇到流程里沒(méi)定義過(guò)的情況它不會(huì)自己繞路。智能體則像一個(gè)能力很強(qiáng)但需要你來(lái)帶的實(shí)習(xí)生你給他一個(gè)目標(biāo)他會(huì)自己琢磨怎么拆解任務(wù)遇到問(wèn)題會(huì)翻工具書(shū)、會(huì)去查資料、會(huì)嘗試不同的方法甚至?xí)谥型靖淖儾呗浴Ｋ膬?yōu)點(diǎn)是有很強(qiáng)的自主性能處理沒(méi)遇到過(guò)的情況缺點(diǎn)是你不能完全預(yù)期他會(huì)走哪條路需要花更多精力帶他——這就是架構(gòu)上的成本。所以關(guān)鍵點(diǎn)來(lái)了你不是在所有場(chǎng)景都想要一個(gè)自主的實(shí)習(xí)生很多場(chǎng)景你只想要一條穩(wěn)定可靠的流水線。Anthropic 的整篇筆記本質(zhì)上就是在幫你做這個(gè)判斷。2.3 為什么能選工作流就不要選智能體是一條黃金法則這個(gè)觀點(diǎn)說(shuō)出來(lái)可能會(huì)被一堆 agent 狂熱者吐槽但它是工程經(jīng)驗(yàn)的真實(shí)總結(jié)。第一工作流的失敗模式可以預(yù)測(cè)。流水線上任何一環(huán)出了問(wèn)題你只需要排查那一個(gè)環(huán)節(jié)。而智能體一旦在某個(gè)中間步驟產(chǎn)生幻覺(jué)、誤調(diào)用工具、或者陷入循環(huán)排查的難度是指數(shù)級(jí)上升的——你面對(duì)的不再是一個(gè)線性流程而是一棵可能不斷分叉的決策樹(shù)。第二工作流的成本更容易控制。每一步調(diào)用多少次模型、用多大的模型、總共消耗多少 token基本是可以估算出來(lái)的。而智能體的 token 消耗取決于它自己決定思考多少輪、調(diào)用多少次工具預(yù)算很容易失控。我見(jiàn)過(guò)一個(gè)智能客服 agent理想情況下 2 輪對(duì)話能解決問(wèn)題模型偶爾抽風(fēng)時(shí)會(huì)來(lái)回檢索十幾次月底賬單直接翻了三倍。第三工作流對(duì)延遲更友好。并行化、緩存、裁剪 prompt 這些優(yōu)化手段在確定性的流程里都好做。智能體的循環(huán)是動(dòng)態(tài)的你很難把思考次數(shù)壓縮因?yàn)槟鞘悄Ｐ妥约簺Q定的。所以當(dāng)你在設(shè)計(jì)一個(gè)系統(tǒng)時(shí)你要問(wèn)自己的第一個(gè)問(wèn)題不是要不要用 agent而是我的任務(wù)路徑是不是基本固定的。如果答案是肯定的老老實(shí)實(shí)選工作流只有當(dāng)你明確遇到了需要根據(jù)不確定信息動(dòng)態(tài)做決策的任務(wù)才有必要考慮 agent。后面我會(huì)詳細(xì)拆解什么情況算真正需要 agent。3. 五種工作流模式Anthropic 給的最實(shí)用工具箱3.1 這五種模式不是讓你挑一個(gè)而是讓你組合Anthropic 筆記里花了大量篇幅講的是五種常見(jiàn)工作流模式Prompt Chaining提示詞鏈、Routing路由、Parallelization并行化、Orchestrator-Workers編排者-執(zhí)行者、Evaluator-Optimizer評(píng)估者-優(yōu)化者。我一開(kāi)始以為這是五種并列的方案后來(lái)才領(lǐng)悟它們是五種架構(gòu)元素可以在同一個(gè)系統(tǒng)里疊加組合。這跟蓋房子很像。你不會(huì)只用一個(gè)結(jié)構(gòu)元素你會(huì)同時(shí)用梁、柱、樓板。同樣在真實(shí)的 Agent 系統(tǒng)里入口可能是 Routing中間可能包含 Parallelization最后輸出前可能套一個(gè) Evaluator-Optimizer 做質(zhì)量把關(guān)。理解每個(gè)模式的本質(zhì)你才有能力組合出適合自己的方案。我先用一個(gè)表把五種模式的要點(diǎn)列出來(lái)再逐個(gè)展開(kāi)講適用場(chǎng)景和實(shí)現(xiàn)細(xì)節(jié)模式核心思路一句話適用場(chǎng)景關(guān)鍵注意點(diǎn)Prompt Chaining大任務(wù)拆成 sequential 小任務(wù)前一步輸出喂給后一步任務(wù)可以自然分階段每階段用一個(gè)精簡(jiǎn) prompt每步獨(dú)立提高準(zhǔn)確率可單步重試Routing先分類(lèi)再分發(fā)給專(zhuān)門(mén)的 prompt 或流程輸入類(lèi)型差異大不同類(lèi)別需要不同處理分類(lèi)本身可以用小模型省成本Parallelization多個(gè) LLM 同時(shí)干活或分塊處理、或多方案投票任務(wù)可并行、或需要多角度交叉驗(yàn)證收益來(lái)自延遲降低和相互糾正Orchestrator-Workers一個(gè)中心模型拆任務(wù)多個(gè) worker 模型執(zhí)行復(fù)雜任務(wù)需要?jiǎng)討B(tài)拆分成子任務(wù)不要讓中心模型決定它不理解的領(lǐng)域Evaluator-Optimizer生成器和評(píng)估器循環(huán)直到質(zhì)量達(dá)標(biāo)有明確質(zhì)量反饋標(biāo)準(zhǔn)、能迭代改寫(xiě)的任務(wù)評(píng)估標(biāo)準(zhǔn)必須具體否則白費(fèi) token3.2 Prompt Chaining把一步登天改成步步為營(yíng)Prompt Chaining 是我自己用得最多、也最適合大多數(shù)團(tuán)隊(duì)起步的模式。它把一個(gè)復(fù)雜的提示詞任務(wù)拆成多個(gè)順序執(zhí)行的子任務(wù)前一個(gè) LLM 調(diào)用的輸出成為后一個(gè)調(diào)用的輸入。舉個(gè)內(nèi)容生成的例子。假設(shè)你要做一個(gè)產(chǎn)品介紹生成器一次性 prompt 讓模型寫(xiě)一篇高質(zhì)量的產(chǎn)品介紹結(jié)果往往平庸結(jié)構(gòu)流于模板、賣(mài)點(diǎn)不突出、結(jié)尾沒(méi)有號(hào)召力模型還容易在一段長(zhǎng)輸出里犯邏輯錯(cuò)誤。但如果你拆成三步步驟一讓 LLM 提煉產(chǎn)品的核心賣(mài)點(diǎn)、目標(biāo)人群、用戶(hù)痛點(diǎn)步驟二讓 LLM 基于這些素材寫(xiě)出正文初稿prompt 只聚焦結(jié)構(gòu)清晰、信息準(zhǔn)確步驟三讓 LLM 擔(dān)任資深文案編輯審核初稿并改寫(xiě)開(kāi)頭和結(jié)尾。每一步的任務(wù)邊界都很窄模型不需要既要又要輸出質(zhì)量會(huì)明顯上升。為什么這樣有效因?yàn)槊恳徊降?prompt 只有單一職責(zé)模型的注意力能集中。而且工程上還有一個(gè)隱性好處你可以針對(duì)某一步單獨(dú)優(yōu)化和重試。如果第三步的編輯效果不好你可以只換第三步的 prompt不用動(dòng)整個(gè)鏈路。這在調(diào)試階段的體驗(yàn)非常好。我在做客戶(hù)報(bào)告自動(dòng)生成系統(tǒng)的時(shí)候就用了四段鏈數(shù)據(jù)整理 → 分析解讀 → 報(bào)告撰寫(xiě) → 格式潤(rùn)色。每一步一個(gè) prompt 調(diào)用整體準(zhǔn)確率提升非常明顯尤其是第二步分析解讀單獨(dú)調(diào)整后整條鏈的輸出質(zhì)量馬上改觀。這比讓一個(gè)大 prompt 從頭干到尾可維護(hù)性強(qiáng)太多了。3.3 Routing讓最該干活的模型干它最擅長(zhǎng)的活Routing 是我特別推崇的一種省錢(qián)模式。它的核心思路是先用一個(gè)分類(lèi)器判斷用戶(hù)的輸入屬于哪一類(lèi)再把它分發(fā)給對(duì)應(yīng)的專(zhuān)用流程。這個(gè)分類(lèi)器不一定非要用很強(qiáng)的模型。Anthropic 筆記里特別提到簡(jiǎn)單分類(lèi)任務(wù)用更小、更便宜的模型就足夠。舉例來(lái)說(shuō)一個(gè)客戶(hù)支持系統(tǒng)的入口可以先用小模型判斷用戶(hù)的問(wèn)題是賬單相關(guān)、技術(shù)故障還是退換貨然后分別轉(zhuǎn)給三個(gè)不同的專(zhuān)業(yè)工作流去處理。我實(shí)測(cè)過(guò)這個(gè)小模型方案的效果。用一個(gè)大模型做分類(lèi)和用一個(gè)小模型做分類(lèi)準(zhǔn)確率差距在幾個(gè)點(diǎn)以?xún)?nèi)但成本可能差 5 到 10 倍。而且分類(lèi)任務(wù)本身就是低上下文復(fù)雜度的任務(wù)小模型完全足夠。Routing 也可以用在模型選擇上。一類(lèi)輸入走 Claude 這類(lèi)強(qiáng)模型一類(lèi)走輕量模型一類(lèi)甚至不需要 LLM 而直接用預(yù)設(shè)規(guī)則回答。模型不是越強(qiáng)越好而是在每個(gè)環(huán)節(jié)里夠用且最優(yōu)。這句話我是在被賬單教育過(guò)之后才記住的。3.4 Parallelization兩條路走通并行化Anthropic 筆記里把并行化分成了兩種形態(tài)這個(gè)分類(lèi)我覺(jué)得非常實(shí)用。第一種是Sectioning分塊并行把一個(gè)大任務(wù)切成幾個(gè)獨(dú)立的小塊同時(shí)處理最后聚合成一個(gè)結(jié)果。比如做內(nèi)容分析時(shí)把一本書(shū)拆成多個(gè)章節(jié)每個(gè)章節(jié)用獨(dú)立的 LLM 調(diào)用生成摘要再讓另一個(gè) LLM 把所有摘要聚合成全書(shū)總結(jié)。這樣做的好處有兩個(gè)一是快多路并行讓總延遲大幅下降二是繞開(kāi)了上下文窗口限制不需要把整本書(shū)塞進(jìn)一個(gè)上下文。第二種是Voting投票并行同一個(gè)任務(wù)讓多個(gè)獨(dú)立的 LLM 調(diào)用分別給出回答然后選一個(gè)最佳答案或達(dá)成多數(shù)共識(shí)。這類(lèi)似于讓多個(gè)專(zhuān)家獨(dú)立評(píng)審。我自己用的一個(gè)經(jīng)驗(yàn)是在代碼審查場(chǎng)景下用三個(gè)不同 temperature 設(shè)置的模型分別檢查再讓一個(gè)模型綜合它們的意見(jiàn)能明顯提高 bug 檢出率。代價(jià)是多了三倍 token 和接近三倍的延遲它更適合質(zhì)量?jī)?yōu)先、延遲不敏感的場(chǎng)景。我建議如果你還沒(méi)有并行化經(jīng)驗(yàn)先從 Sectioning 開(kāi)始。它在工程實(shí)現(xiàn)上非常直觀拆任務(wù)、并發(fā)調(diào)用、聚合成最終結(jié)果。Voting 則更適合你已經(jīng)有了穩(wěn)定的評(píng)估標(biāo)準(zhǔn)想讓結(jié)果更魯棒的場(chǎng)景。3.5 Orchestrator-Workers中心化拆解但不做萬(wàn)能裁判Orchestrator-Workers 是接近智能體感覺(jué)的工作流模式一個(gè)中央的 Orchestrator編排者模型負(fù)責(zé)分析任務(wù)、拆解子任務(wù)、分發(fā)給多個(gè) Worker執(zhí)行者模型Worker 回來(lái)后再由 Orchestrator 匯總結(jié)果。它和 Parallelization 的區(qū)別在于Parallelization 是提前確定好拆什么、怎么并的Orchestrator 則是由模型動(dòng)態(tài)決定要不要拆、拆成什么。所以它的靈活性和復(fù)雜度都比前面的模式高。使用 Orchestrator-Workers 最容易犯的錯(cuò)我在團(tuán)隊(duì)里見(jiàn)過(guò)不少次——讓 Orchestrator 承擔(dān)了它不理解的判斷。比如中心模型是通用的對(duì)話模型你卻讓它去評(píng)估醫(yī)藥領(lǐng)域的子任務(wù)結(jié)果那它根本判斷不了 Worker 干得好不好。我的做法是給 Orchestrator 提供明確的任務(wù)描述模板和子任務(wù)驗(yàn)收標(biāo)準(zhǔn)讓它專(zhuān)注于任務(wù)管理而不是去充當(dāng)領(lǐng)域?qū)＜?。另外還有一個(gè)工程細(xì)節(jié)Orchestrator 同時(shí)發(fā)起的 Worker 數(shù)量不宜太多。一方面并發(fā)調(diào)用會(huì)受 API 限流影響另一方面子任務(wù)過(guò)多時(shí)Orchestrator 匯總信息的質(zhì)量會(huì)下降。我一般控制在 5 到 10 個(gè)以?xún)?nèi)再多就考慮分層分組。3.6 Evaluator-Optimizer把寫(xiě)得好不好變成一個(gè)可循環(huán)的題目Evaluator-Optimizer 是我認(rèn)為最容易被忽略、但收益極明顯的一種模式。它的結(jié)構(gòu)是一個(gè) LLM 負(fù)責(zé)生成答案另一個(gè) LLM 負(fù)責(zé)評(píng)估這個(gè)答案的質(zhì)量如果評(píng)估不過(guò)關(guān)就把反饋傳給生成器進(jìn)行新一輪改寫(xiě)直到通過(guò)或達(dá)到迭代上限。它的適用場(chǎng)景有兩個(gè)特征一是任務(wù)有明確的好壞標(biāo)準(zhǔn)二是結(jié)果可以反復(fù)迭代修改。比如翻譯、學(xué)術(shù)寫(xiě)作、營(yíng)銷(xiāo)文案、代碼優(yōu)化這些任務(wù)天然適合這種生成—評(píng)估—再生成的循環(huán)。但這里有個(gè)大坑評(píng)估器的 prompt 如果不夠具體整個(gè)循環(huán)就是在空轉(zhuǎn)燒錢(qián)。你讓它評(píng)估這段文案好不好它可能永遠(yuǎn)覺(jué)得不錯(cuò)還可以更好然后無(wú)限迭代。我自己寫(xiě)評(píng)估 prompt 時(shí)的經(jīng)驗(yàn)是把評(píng)估維度切成可打分的項(xiàng)比如事實(shí)準(zhǔn)確性信息是否有據(jù)可依結(jié)構(gòu)完整性是否包含背景、進(jìn)展、風(fēng)險(xiǎn)、建議四大部分表達(dá)精煉度是否有冗余表達(dá)目標(biāo)適配度是否針對(duì)目標(biāo)讀者做了措辭調(diào)整。每個(gè)維度給出明確說(shuō)明和評(píng)分標(biāo)準(zhǔn)后評(píng)估器才能給出真正有用的反饋而不是模糊的還可以。同時(shí)要設(shè)置最大迭代次數(shù)一般 3 輪就夠再多性?xún)r(jià)比就非常低了。提示Evaluator-Optimizer 在 Anthropic 原文里是一個(gè)典型工作流但我在實(shí)踐中發(fā)現(xiàn)它可以作為質(zhì)檢模塊嵌入到其他工作流里比如在 Prompt Chaining 的最后一步加一個(gè)評(píng)估環(huán)節(jié)質(zhì)量立刻有改觀。它不一定非得獨(dú)立存在。4. Agent 模式什么時(shí)候真正上線當(dāng)靈活性需求壓過(guò)穩(wěn)定性需求4.1 判斷的核心標(biāo)準(zhǔn)路徑可控性看完了五種工作流你可能會(huì)問(wèn)那到底什么時(shí)候才需要上真正的 AgentAnthropic 筆記里的判斷標(biāo)準(zhǔn)我用一句話總結(jié)當(dāng)你在設(shè)計(jì)系統(tǒng)時(shí)無(wú)法提前窮舉出所有執(zhí)行路徑并且系統(tǒng)需要在執(zhí)行過(guò)程中根據(jù)環(huán)境反饋實(shí)時(shí)調(diào)整行動(dòng)路徑時(shí)你才真正需要 Agent。什么是無(wú)法提前窮舉路徑我用實(shí)際例子說(shuō)明。一個(gè)文檔摘要系統(tǒng)輸入是文檔輸出是摘要。它可能有長(zhǎng)有短但處理路徑基本固定——不需要 Agent。一個(gè)小紅書(shū)文案生成器輸入產(chǎn)品信息輸出種草文案。路徑也固定——不需要 Agent。一個(gè)自動(dòng)管理任務(wù)的個(gè)人助理你告訴它幫我安排明天的會(huì)議順便整理會(huì)議資料發(fā)給參會(huì)人還要查一下明天交通狀況。它能自己規(guī)劃步驟、調(diào)用日歷工具、調(diào)用搜索工具、遇到?jīng)_突自己調(diào)整——這才需要 Agent。第一個(gè)和第二個(gè)任務(wù)路徑是可預(yù)知的你窮舉也就是那么幾種情況。第三個(gè)任務(wù)則完全不一樣用戶(hù)指令千變?nèi)f化外部環(huán)境日歷沖突、搜索結(jié)果的更新也在變化系統(tǒng)的路徑必須動(dòng)態(tài)生成。4.2 Agent 的核心模型驅(qū)動(dòng)的感知—決策—執(zhí)行—觀察循環(huán)Agent 不是一個(gè)更聰明的模型而是一種運(yùn)行時(shí)架構(gòu)。這個(gè)架構(gòu)的核心是一個(gè)循環(huán)感知把當(dāng)前任務(wù)、環(huán)境信息、可用的工具列表一起打包給 LLM決策LLM 決定下一步采取什么行動(dòng)調(diào)用哪幾個(gè)工具、或用哪個(gè)工具的參數(shù)執(zhí)行系統(tǒng)執(zhí)行這個(gè)工具調(diào)用拿到真實(shí)的結(jié)果觀察把工具結(jié)果以文本形式回傳給 LLM更新它的上下文回到第 2 步直到模型判定任務(wù)完成或觸發(fā)終止條件。Anthropic 筆記里把 Agent 描述為處理開(kāi)放式問(wèn)題的擴(kuò)展系統(tǒng)——它的流程不是預(yù)先畫(huà)好的而是在運(yùn)行時(shí)被模型自己畫(huà)出來(lái)的。工程上這要求你的架構(gòu)具備幾個(gè)基礎(chǔ)能力工具調(diào)用Function Calling模型能輸出結(jié)構(gòu)化的工具調(diào)用指令而不是光說(shuō)我建議你去做某事工具解析與執(zhí)行層系統(tǒng)能把模型的輸出解析成真實(shí)的 API 調(diào)用并處理好參數(shù)校驗(yàn)和錯(cuò)誤返回循環(huán)控制器管理調(diào)用模型 → 執(zhí)行工具 → 結(jié)果回填 → 再調(diào)用模型的循環(huán)并設(shè)置最大迭代次數(shù)等終止條件。這也是為什么熱詞里會(huì)出現(xiàn)識(shí)的llm智能體自主容錯(cuò)控制:構(gòu)建可靠ai系統(tǒng)的工程實(shí)踐——Agent 的可靠很大程度上不是一個(gè)聰明模型能保證的而是由循環(huán)控制、錯(cuò)誤恢復(fù)、工具健壯性這些系統(tǒng)工程決定的。4.3 工具層的設(shè)計(jì)決定了 Agent 的天花板我見(jiàn)過(guò)不少團(tuán)隊(duì) Agent 效果差第一反應(yīng)是換個(gè)更強(qiáng)的模型其實(shí)問(wèn)題往往出在工具設(shè)計(jì)上。Anthropic 筆記也強(qiáng)調(diào)了工具是 Agent 連接世界的觸角。工具設(shè)計(jì)有四個(gè)我總結(jié)出來(lái)的關(guān)鍵點(diǎn)第一工具的描述要極其清晰。模型是通過(guò)你的工具 description 來(lái)決定什么時(shí)候調(diào)用、參數(shù)傳什么的。你寫(xiě)獲取天氣信息模型會(huì)不知道能查城市列表你寫(xiě)根據(jù)城市名獲取未來(lái) 7 天天氣預(yù)報(bào)參數(shù) city 為中文城市名如北京模型就非常明確。第二工具的輸入要做嚴(yán)格校驗(yàn)。千萬(wàn)不要把模型輸出的參數(shù)直接透?jìng)鹘o后端接口。模型可能輸出一個(gè)不存在的城市名也可能把溫度字段傳給了城市字段。在前端做一層校驗(yàn)和標(biāo)準(zhǔn)化能省掉大量臟數(shù)據(jù)問(wèn)題。第三工具的執(zhí)行要冪等或可重試。Agent 在循環(huán)中可能因?yàn)槌瑫r(shí)而重試同一個(gè)工具調(diào)用如果你的工具不是冪等的比如創(chuàng)建訂單接口就會(huì)造成重復(fù)操作。我在實(shí)際項(xiàng)目里對(duì)這類(lèi)工具都會(huì)要求后端在參數(shù)里加一個(gè)冪等鍵idempotency key保證同一次任務(wù)的重試不會(huì)產(chǎn)生副作用。第四關(guān)鍵操作要設(shè)置權(quán)限護(hù)欄。完全信任模型自主執(zhí)行高影響操作是在給自己埋雷。我的做法是在工具層做人工確認(rèn)鉤子標(biāo)記工具是否需要人工審批如果涉及發(fā)送郵件、付款、刪除數(shù)據(jù)等操作系統(tǒng)會(huì)先暫停循環(huán)把待確認(rèn)信息發(fā)給管理員。這個(gè)人在環(huán)路的設(shè)計(jì)在 Anthropic 筆記里也被多次強(qiáng)調(diào)它是 Agent 系統(tǒng)里最重要的安全網(wǎng)沒(méi)有之一。4.4 自主容錯(cuò)控制Agent 不是永不失敗而是失敗后可恢復(fù)這里延伸一下熱詞里提到的自主容錯(cuò)控制問(wèn)題。我在做生產(chǎn)級(jí) Agent 時(shí)發(fā)現(xiàn)容錯(cuò)不是讓模型更準(zhǔn)而是在系統(tǒng)層面建立失敗恢復(fù)機(jī)制。工具調(diào)用失敗模型請(qǐng)求的 API 超時(shí)或返回錯(cuò)誤系統(tǒng)應(yīng)該把錯(cuò)誤信息作為 observation 回傳給模型讓模型自己決定是重試還是換一個(gè)替代方案。而不是簡(jiǎn)單地讓整個(gè)循環(huán)崩潰。模型輸出格式非法模型偶爾會(huì)返回不合 JSON 規(guī)范的輸出解析失敗不等于任務(wù)失敗。我的做法是給循環(huán)控制器加兩次重試機(jī)會(huì)把我無(wú)法解析你的輸出請(qǐng)按指定格式重新生成作為反饋再次請(qǐng)求模型通常第二次就能修正。死循環(huán)保護(hù)無(wú)論模型多么自主都要設(shè)置最大循環(huán)次數(shù)比如 20 輪和最長(zhǎng)執(zhí)行時(shí)間。到達(dá)上限強(qiáng)制終止而不是讓它無(wú)限燒 token。這個(gè)簡(jiǎn)單規(guī)則能幫你避免很多噩夢(mèng)。有一句話我在團(tuán)隊(duì)里反復(fù)講Agent 生產(chǎn)化的過(guò)程就是不斷把模型可能搞砸的地方用系統(tǒng)機(jī)制兜住的過(guò)程。如果你只是把一個(gè)模型裸奔在循環(huán)里它遲早會(huì)在意想不到的地方翻車(chē)而且翻車(chē)姿勢(shì)五花八門(mén)。5. 成本、延遲與偽 Agent架構(gòu)選擇的現(xiàn)實(shí)約束5.1 每一個(gè)決策點(diǎn)都是真金白銀Agent 比工作流智能但每一個(gè)智能都有價(jià)格。不是錢(qián)的問(wèn)題是 token 消耗和延遲的問(wèn)題。Anthropic 筆記里沒(méi)有回避這一點(diǎn)。每個(gè) Agent 決策循環(huán)都意味著一次完整的 LLM 調(diào)用而每次調(diào)用都要消耗上下文 token——包括系統(tǒng) prompt、工具描述、歷史消息、工具返回結(jié)果這些都會(huì)累積。一個(gè)看似最終只調(diào)用 3 次工具的 Agent實(shí)際可能因?yàn)樯舷挛脑絹?lái)越長(zhǎng)消耗了相當(dāng)于 10 次基礎(chǔ)的 token 量。我給你一個(gè)大概的體感估算一次簡(jiǎn)單的工具調(diào)用類(lèi) Agent 任務(wù)token 消耗可能是同等功能工作流的 5 到 20 倍。20 倍是什么概念如果你的業(yè)務(wù)每天有 10 萬(wàn)次請(qǐng)求成本差異就會(huì)讓人非常肉疼。延遲也一樣。工作流可以做并行、可以做緩存Agent 必須串行決策——思考、調(diào)工具、看結(jié)果、再思考。一個(gè) 3 步工具調(diào)用就是 4 次模型往返延遲通常在幾秒到幾十秒之間跟你平時(shí)用工作流做單次問(wèn)答的體感完全不同。所以架構(gòu)設(shè)計(jì)的本質(zhì)其實(shí)是一個(gè)成本預(yù)算題。你要問(wèn)自己這個(gè)任務(wù)的決策點(diǎn)上我付出的額外 token 和延遲換來(lái)的自適應(yīng)能力是否值得大多數(shù)情況是不值得的。5.2 很多Agent其實(shí)是披著 Agent 外衣的工作流我觀察到一個(gè)很有意思的現(xiàn)象市面上很多標(biāo)榜智能體的產(chǎn)品拆開(kāi)看都是固定流程加幾個(gè) LLM 調(diào)用節(jié)點(diǎn)。它們叫 Agent但架構(gòu)上就是 Prompt Chaining 或者 Routing。這本身不是壞事甚至可能是正確選擇。我說(shuō)的偽 Agent不含貶義反而是一個(gè)務(wù)實(shí)判斷如果一個(gè)系統(tǒng)能用工作流可靠地實(shí)現(xiàn)你要的效果那它就是很好的系統(tǒng)你不需要去追求真正的 Agent這個(gè)標(biāo)簽。判斷一個(gè)系統(tǒng)是真 Agent還是偽工作流可以參考三個(gè)指標(biāo)決策點(diǎn)數(shù)量系統(tǒng)里有幾個(gè)地方允許模型自主選擇下一步動(dòng)作如果只有一個(gè)結(jié)果分支判斷if 條件那是工作流如果每個(gè)循環(huán)里模型都能選擇 5 個(gè)以上工具之一并自行決定順序那是 Agent。任務(wù)多樣性系統(tǒng)處理的輸入變化是否足夠大固定模板化的輸入不需要 Agent開(kāi)放式指令才需要 Agent。失敗重試的自由度出錯(cuò)時(shí)系統(tǒng)只能走預(yù)設(shè)的失敗分支還是能動(dòng)態(tài)換一條策略前者是工作流后者才接近 Agent。我自己做系統(tǒng)設(shè)計(jì)時(shí)會(huì)把用工作流實(shí)現(xiàn) 80% 場(chǎng)景 少數(shù)復(fù)雜分支交給 Agent作為一個(gè)默認(rèn)思路。先把主干跑穩(wěn)再在真正需要靈活性的節(jié)點(diǎn)引入 Agent這是成本最可控的路徑。5.3 Agent 也不是單體控制面與執(zhí)行面的分離熱詞里出現(xiàn)了分布式架構(gòu)和微服務(wù)架構(gòu)這兩個(gè)詞背后其實(shí)也關(guān)系到 Agent 系統(tǒng)怎么落地。Agent 在架構(gòu)上不是一個(gè)大模型包辦一切的單體。把一個(gè) Agent 系統(tǒng)放到微服務(wù)的語(yǔ)境里看它天然分成了兩大部分控制面Controller負(fù)責(zé)決策的循環(huán)控制器管理狀態(tài)、工具調(diào)度、終止條件執(zhí)行面Executors被控制的工具服務(wù)可能是文檔檢索服務(wù)、數(shù)據(jù)庫(kù)服務(wù)、外部 API 網(wǎng)關(guān)、內(nèi)部業(yè)務(wù)系統(tǒng)。我推薦這個(gè)架構(gòu)思路的原因很簡(jiǎn)單如果你把 Agent 的所有邏輯都塞在同一個(gè)服務(wù)里后續(xù)擴(kuò)展和排查會(huì)非常痛苦?？刂泼婧蛨?zhí)行面分離后你可以單獨(dú)擴(kuò)縮容工具服務(wù)、單獨(dú)做緩存、單獨(dú)監(jiān)控每個(gè)工具的延遲和錯(cuò)誤率這些都是生產(chǎn)環(huán)境必須的。在具體實(shí)現(xiàn)里控制面可以直接調(diào)用后端微服務(wù)的內(nèi)部接口。工具既可以是 HTTP 接口也可以是 RPC 調(diào)用。關(guān)鍵是每個(gè)被暴露給模型的工具都要有清晰的契約——名字、描述、參數(shù) schema、返回結(jié)構(gòu)這相當(dāng)于給模型做了一套API 目錄讓它能正確選擇。另外關(guān)于平臺(tái)搭建的智能體與用 Python 搭建的智能體有什么不同這個(gè)問(wèn)題——本質(zhì)上也落在架構(gòu)層面。平臺(tái)通常把控制面的實(shí)現(xiàn)封裝成了可視化編排你又快又省力但定制邊界受平臺(tái)約束用 Python 從零搭控制邏輯完全在自己手里改造成本高但靈活度大。我的建議是demo 和驗(yàn)證階段用平臺(tái)快速試錯(cuò)有明確規(guī)模預(yù)期后再遷到代碼自建你才能真正掌控成本、延遲和故障排查。6. 從 Demo 到生產(chǎn)我踩過(guò)的幾個(gè)坑和應(yīng)對(duì)辦法Anthropic 筆記講了原則和模式但有一條它沒(méi)有展開(kāi)講任何 Agent 或者工作流架構(gòu)從 Demo 到生產(chǎn)之間的距離往往比從想法到 Demo 更遠(yuǎn)。最后我用自己實(shí)際踩過(guò)的坑作為收尾這些經(jīng)驗(yàn)都是原文里沒(méi)有的。6.1 可觀測(cè)性與調(diào)試沒(méi)有 trace等于斷案沒(méi)有證據(jù)Agent 系統(tǒng)不像傳統(tǒng)的后端接口返回個(gè) 4xx、5xx 就能定位問(wèn)題。它的問(wèn)題可能出在模型理解錯(cuò)了用戶(hù)意圖、工具選擇不當(dāng)、參數(shù)傳錯(cuò)、中間某一步的返回內(nèi)容誤導(dǎo)了模型、上下文太長(zhǎng)導(dǎo)致模型忘了最初目標(biāo)。要應(yīng)對(duì)這些你需要在第一天就把完整的 trace 體系搭起來(lái)。每一步 LLM 調(diào)用的輸入和輸出、每次工具調(diào)用的請(qǐng)求和響應(yīng)、每一步的 token 數(shù)、延遲、模型的推理過(guò)程如果有的話全部落盤(pán)。我通常會(huì)把這些結(jié)構(gòu)化地存儲(chǔ)下來(lái)在調(diào)試頁(yè)面上按 session 查看樹(shù)狀 trace。沒(méi)有這套體系A(chǔ)gent 出問(wèn)題你只能靠復(fù)現(xiàn)和猜效率極低。Agent 系統(tǒng)生產(chǎn)化的第一優(yōu)先級(jí)不是模型調(diào)優(yōu)而是做好可觀測(cè)性。無(wú)法觀測(cè)的系統(tǒng)就無(wú)法優(yōu)化也無(wú)法信任。6.2 評(píng)估不是肉眼看好壞而是 golden set 回歸傳統(tǒng)開(kāi)發(fā)有單元測(cè)試LLM 應(yīng)用沒(méi)有這是很多人覺(jué)得 Agent 工程玄的核心原因。我的做法是建立一套回歸評(píng)估集golden set收集歷史上真實(shí)用戶(hù)輸入和期望輸出做成幾十上百條的固定測(cè)試集每次修改 prompt、工具或流程都跑一遍測(cè)試集用 LLM 作為 judge按固定評(píng)估標(biāo)準(zhǔn)給每個(gè)輸出打分對(duì)比工具箱前后的得分差異。這比人工看一眼效果不錯(cuò)可靠太多。我團(tuán)隊(duì)里現(xiàn)在改任何一個(gè) prompt都要先跑回歸測(cè)試再上線。哪怕判斷比較主觀一個(gè)相對(duì)穩(wěn)定的分?jǐn)?shù)趨勢(shì)也好過(guò)拍腦袋。6.3 讓模型做更少的決策而不是更多最后一條是認(rèn)知層面最大的轉(zhuǎn)變。在我早期設(shè)計(jì) Agent 時(shí)總希望模型更聰明一點(diǎn)多自主判斷一些事情。后來(lái)的教訓(xùn)是模型越少做決策系統(tǒng)越穩(wěn)定。具體實(shí)踐是把那些可以通過(guò)規(guī)則、代碼、狀態(tài)機(jī)實(shí)現(xiàn)的部分全部用代碼實(shí)現(xiàn)絕不交給模型。比如任務(wù)執(zhí)行完要不要進(jìn)入人工審核這個(gè)判斷你可以讓模型決定但更好的做法是定義好什么級(jí)別的影響需要人工審批用代碼判斷只有面對(duì)未定義情況時(shí)怎么處理這類(lèi)真正需要語(yǔ)義理解的判斷才留給模型。Anthropic 筆記里有一句話給我的印象特別深不要為了增加智能而增加復(fù)雜度。一個(gè)好的系統(tǒng)應(yīng)該是智能恰到好處地出現(xiàn)在它該出現(xiàn)的地方其他地方則用確定性邏輯來(lái)兜底。這個(gè)理念我執(zhí)行得越徹底系統(tǒng)就越可靠Debug 也越輕松。落到我個(gè)人經(jīng)驗(yàn)上現(xiàn)在設(shè)計(jì)任何一個(gè)智能體系統(tǒng)我都會(huì)先畫(huà)一張表左邊列任務(wù)步驟右邊標(biāo)代碼邏輯還是模型決策。如果模型決策點(diǎn)超過(guò) 30%我會(huì)停下來(lái)重新審視——是不是可以通過(guò)更好的拆分、更明確的工作流把一部分決策轉(zhuǎn)移到確定性邏輯里。這不是反對(duì) Agent而是把 Agent 用在刀刃上。希望這篇文章能幫你把 Anthropic 的架構(gòu)筆記真正用到自己的項(xiàng)目里。如果讀完之后你只記住一件事就記住那句話先想清楚任務(wù)路徑是固定的還是開(kāi)放的再?zèng)Q定用工作流還是智能體而無(wú)論選哪種把工程兜底做扎實(shí)永遠(yuǎn)比追求更智能更重要。