跳到主要内容

Anthropic官方：构建有效AI Agent的设计模式与实践指南

Summary​

Anthropic 官方发布的 Agent 构建指南，核心原则是用简单、可组合的模式而非复杂框架。文章区分了 Workflow（预定义代码路径编排）和 Agent（LLM 动态控制）两种概念，系统介绍了五大 Workflow 模式：Prompt Chaining、Routing、Parallelization、Orchestrator-Workers 和 Evaluator-Optimizer。强调工具工程（ACI）的重要性应获得与 prompt 工程同等的关注，并分享了 Anthropic 在 SWE-bench 上的实践经验。

Key Concepts​

  • Workflow vs Agent - Workflow 是预定义编排，Agent 是 LLM 动态控制
  • Prompt Chaining - 任务分解为顺序步骤，含程序化门控验证
  • Routing - 分类输入导向专门任务处理
  • Parallelization - Sectioning（独立子任务）和 Voting（多次运行）
  • Orchestrator Workers - 中央 LLM 动态分解任务委派给工作者
  • Evaluator Optimizer - 生成-评估-反馈循环迭代
  • Agent Computer Interface (ACI) - 工具设计的防错原则
  • Tool Engineering - 工具设计应获得与 prompt 工程同等关注

Detailed Content​

核心区分​

  • Workflow：LLM 和工具通过预定义代码路径编排，适合定义明确、需要可预测性的任务
  • Agent：LLM 动态指导自身过程和工具使用，适合需要灵活性和模型驱动决策的场景

五大 Workflow 模式​

  1. Prompt Chaining：顺序步骤 + 程序化门控验证
  2. Routing：分类输入导向专门处理（如客服分流）
  3. Parallelization：Sectioning 和 Voting 两种变体
  4. Orchestrator Workers：中央 LLM 动态分解和委派
  5. Evaluator Optimizer：生成-评估循环迭代

工具工程最佳实践​

  • 提供足够 token 让模型"思考"
  • 格式贴近互联网自然文本
  • "Poka-yoke"防错设计：如发现相对路径出错后改为要求绝对路径
  • Anthropic 在 SWE-bench 上优化工具的时间 > 优化 prompt 的时间

三大核心原则​

  1. 简单性：保持 Agent 设计直接
  2. 透明性：显式展示规划步骤
  3. 文档和测试：精心设计 Agent Computer Interface (ACI)
  • Agent Design Patterns
  • Agent Skills Framework
  • Demystifying Evals
  • Context Management
  • MCP Protocol