文章轉(zhuǎn)載自「INDIGO 科技加速站」

Anthropic 工程師 Barry Zhang 在 AI Engineer 工作坊上的一個(gè)分享 “如何構(gòu)建有效的 Agent”，其中印象最深的一個(gè)觀點(diǎn)：Don't build agents for everything，反過(guò)來(lái)理解就是別做什么都能干的 Agent，那是我們大模型要干的事情

構(gòu)建有效 Agent 的三大要點(diǎn)：

1. 明智選擇應(yīng)用場(chǎng)景，并非所有任務(wù)都需要 Agent

2. 找到合適的用例后，盡可能長(zhǎng)時(shí)間地保持系統(tǒng)簡(jiǎn)單

3. 在迭代過(guò)程中，嘗試從 Agent 的視角思考，理解其局限并提供幫助

Barry 主要負(fù)責(zé) Agentic System，演講內(nèi)容基于他和 Eric 合著的一篇博文，下面詳細(xì)總結(jié)他們的核心觀點(diǎn)，以及對(duì) Agent 系統(tǒng)的演進(jìn)和未來(lái)的思考。

Agent 系統(tǒng)的演進(jìn)

1. 簡(jiǎn)單功能（Simple Features）：起初是簡(jiǎn)單的任務(wù)，如摘要、分類、提取，這些在幾年前看似神奇，現(xiàn)在已成為基礎(chǔ)。

2. 工作流（Workflows）：隨著模型和產(chǎn)品成熟，開(kāi)始編排多個(gè)模型調(diào)用，形成預(yù)定義的控制流，以犧牲成本和延遲換取更好性能。這被認(rèn)為是 Agent 系統(tǒng)的前身。

3. Agent：當(dāng)前階段，模型能力更強(qiáng)，領(lǐng)域特定的 Agent 開(kāi)始出現(xiàn)。與工作流不同，Agent 可以根據(jù)環(huán)境反饋?zhàn)灾鳑Q定行動(dòng)路徑，幾乎獨(dú)立運(yùn)作。

4. 未來(lái)（猜測(cè)）：可能是更通用的單一 Agent，或多 Agent 協(xié)作。趨勢(shì)是賦予系統(tǒng)更多自主權(quán)，使其更強(qiáng)大有用，但也伴隨著更高的成本、延遲和錯(cuò)誤后果。

Founder Park 正在搭建開(kāi)發(fā)者社群，邀請(qǐng)積極嘗試、測(cè)試新模型、新技術(shù)的開(kāi)發(fā)者、創(chuàng)業(yè)者們加入，請(qǐng)掃碼詳細(xì)填寫你的產(chǎn)品/項(xiàng)目信息，通過(guò)審核后工作人員會(huì)拉你入群～

進(jìn)群之后，你有機(jī)會(huì)得到：

• 高濃度的主流模型（如 DeepSeek 等）開(kāi)發(fā)交流；

• 資源對(duì)接，與 API、云廠商、模型廠商直接交流反饋的機(jī)會(huì)；

• 好用、有趣的產(chǎn)品/案例，F(xiàn)ounder Park 會(huì)主動(dòng)做宣傳。

01并非所有場(chǎng)景都適合構(gòu)建 Agent(Don't build agents for everything)

Agent 主要用于擴(kuò)展復(fù)雜且有價(jià)值的任務(wù)，它們成本高、延遲高，不應(yīng)作為所有用例的直接升級(jí)。對(duì)于可以清晰映射決策樹(shù)的任務(wù)，顯式構(gòu)建工作流（Workflow）更具成本效益和可控性。

何時(shí)構(gòu)建 Agent 的檢查清單：

1. 任務(wù)復(fù)雜度 (Complexity)：Agent 擅長(zhǎng)處理模糊的問(wèn)題空間。如果決策路徑清晰，應(yīng)優(yōu)先選擇工作流。

2. 任務(wù)價(jià)值 (Value)：Agent 的探索性行為會(huì)消耗大量 token，任務(wù)的價(jià)值必須能證明其成本。對(duì)于預(yù)算有限（如每任務(wù) 10 美分）或高容量（如客服）場(chǎng)景，工作流可能更合適。

3. 關(guān)鍵能力的可行性 (Derisk Critical Capabilities)：需確保 Agent 在關(guān)鍵環(huán)節(jié)（如編碼 Agent 的編寫、調(diào)試、錯(cuò)誤恢復(fù)能力）不存在嚴(yán)重瓶頸，否則會(huì)顯著增加成本和延遲。如有瓶頸，應(yīng)簡(jiǎn)化任務(wù)范圍。

4. 錯(cuò)誤成本與發(fā)現(xiàn)難度 (Cost of Error & Error Discovery)：如果錯(cuò)誤代價(jià)高昂且難以發(fā)現(xiàn)，就很難信任 Agent 自主行動(dòng)。可以通過(guò)限制范圍（如只讀權(quán)限、增加人工干預(yù)）來(lái)緩解，但這也會(huì)限制其擴(kuò)展性。

編碼（Coding）是一個(gè)很好的 Agent 用例，因?yàn)樗蝿?wù)復(fù)雜（從設(shè)計(jì)文檔到 PR）、價(jià)值高、現(xiàn)有模型（如 Claude）在許多環(huán)節(jié)表現(xiàn)良好，且結(jié)果易于驗(yàn)證（單元測(cè)試、CI）。

02保持簡(jiǎn)單 (Keep it simple)

Agent 的核心結(jié)構(gòu)：

模型（Model）+ 工具（Tools）+ 循環(huán)（Loop）在一個(gè)環(huán)境（Environment）中運(yùn)作。

三個(gè)關(guān)鍵組成部分：
1.環(huán)境 (Environment)：Agent 操作所在的系統(tǒng)。
2.工具集 (Tools)：Agent 采取行動(dòng)和獲取反饋的接口。
3.系統(tǒng)提示 (System Prompt)：定義 Agent 的目標(biāo)、約束和理想行為。

迭代方法：

優(yōu)先構(gòu)建和迭代這三個(gè)基本組件，能獲得最高的投資回報(bào)率。避免一開(kāi)始就過(guò)度復(fù)雜化，這會(huì)扼殺迭代速度。優(yōu)化（如緩存軌跡、并行化工具調(diào)用、改進(jìn)用戶界面以增強(qiáng)信任）應(yīng)在基本行為確定后再進(jìn)行。

一致性：

盡管不同 Agent 應(yīng)用（編碼、搜索、計(jì)算機(jī)使用）在產(chǎn)品層面、范圍和能力上看起來(lái)不同，但它們共享幾乎相同的簡(jiǎn)單后端架構(gòu)。

03像 Agent 一樣思考(Think like your agents)

問(wèn)題：
開(kāi)發(fā)者常從自身角度出發(fā)，難以理解 Agent 為何會(huì)犯看似反常的錯(cuò)誤。

解決方法：
將自己置于 Agent 的“上下文窗口”中。Agent 在每一步的決策都基于有限的上下文信息（如 10k-20k token）。

換位思考練習(xí)：
嘗試從 Agent 的視角完成任務(wù)，體驗(yàn)其局限性（例如，只能看到靜態(tài)截圖，在推理和工具執(zhí)行期間如同“閉眼”操作）。這有助于發(fā)現(xiàn) Agent 真正需要哪些信息（如屏幕分辨率、推薦操作、限制條件）以避免不必要的探索。

利用模型自身：
可以直接詢問(wèn)模型（如 Claude）：指令是否模糊？是否理解工具描述？為什么做出某個(gè)決策？如何幫助它做出更好的決策？這有助于彌合開(kāi)發(fā)者與 Agent 之間的理解差距。

04個(gè)人思考與未來(lái)展望

1. 預(yù)算感知 Agent (Budget-aware Agents)：

需要更好地控制 Agent 的成本和延遲，定義和強(qiáng)制執(zhí)行時(shí)間、金錢、token 預(yù)算，以便在生產(chǎn)環(huán)境中更廣泛地部署。

2. 自進(jìn)化工具 (Self-evolving Tools)：

Agent 或許能設(shè)計(jì)和改進(jìn)自己的工具（元工具），使其更具通用性，能適應(yīng)不同用例的需求。

3. 多 Agent 協(xié)作 (Multi-agent Collaboration)：

預(yù)計(jì)今年年底將在生產(chǎn)中看到更多多 Agent 系統(tǒng)。其優(yōu)勢(shì)包括并行化、關(guān)注點(diǎn)分離、保護(hù)主 Agent 上下文窗口等。關(guān)鍵挑戰(zhàn)在于 Agent 間的通信方式，如何實(shí)現(xiàn)異步通信，超越當(dāng)前的用戶-助手輪流模式。

引用鏈接:

[1]How We Built Effective Agents: Barry Zhang, Anthropic: https://youtu.be/D7_ipDqhtwk?si=atqYQAuvl0xWwrcH

轉(zhuǎn)載原創(chuàng)文章請(qǐng)?zhí)砑游⑿牛篺ounderparker