构建有效的智能体 - Anthropic
来源: https://www.anthropic.com/engineering/building-effective-agents 抓取时间: 2026-07-21 16:29:13
构建有效的智能体
发布于 2024 年 12 月 19 日
我们与数十个跨行业构建 LLM 智能体的团队合作过。始终如一，最成功的实现使用简单、可组合的模式，而不是复杂的框架。
过去一年，我们与数十个跨行业构建大型语言模型（LLM）智能体的团队合作过。始终如一，最成功的实现没有使用复杂的框架或专门的库。相反，他们使用简单、可组合的模式构建。
在这篇文章中，我们分享了从与客户合作和自己构建智能体中学到的知识，并为开发人员提供构建有效智能体的实用建议。
什么是智能体？
"智能体"可以通过多种方式定义。一些客户将智能体定义为在延长时间段内独立运行的完全自治系统，使用各种工具完成复杂任务。其他人使用该术语描述遵循预定义工作流的更具规范性的实现。在 Anthropic，我们将所有这些变体归类为智能体系统，但在工作流和智能体之间绘制了重要的架构区别：
- 工作流是 LLM 和工具通过预定义代码路径进行编排的系统。
- 智能体是 LLM 动态指导自身流程和工具使用，保持对如何完成任务的控制的系统。
下面，我们将详细探讨这两种类型的智能体系统。在附录 1（"实践中的智能体"）中，我们描述了客户发现使用此类系统特别有价值的两个领域。
何时（以及何时不）使用智能体
在构建 LLM 应用程序时，我们建议找到尽可能简单的解决方案，并且仅在需要时增加复杂性。这可能意味着根本不构建智能体系统。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，你应该考虑何时这种权衡是有意义的。
当需要更多复杂性时，工作流为定义明确的任务提供可预测性和一致性，而当在规模上需要灵活性和模型驱动的决策时，智能体是更好的选择。然而，对于许多应用程序，优化单个 LLM 调用与检索和上下文内示例通常就足够了。
何时以及如何使用框架
有许多框架使智能体系统更容易实现，包括：
- Claude 智能体 SDK；
- AWS 的 Strands 智能体 SDK；
- Rivet，一个拖放 GUI LLM 工作流构建器；以及
- Vellum，另一个用于构建和测试复杂工作流的 GUI 工具。
这些框架通过简化标准低级任务（如调用 LLM、定义和解析工具以及将调用链接在一起），使入门变得容易。然而，它们经常创建额外的抽象层，这些抽象层可能会掩盖底层提示和响应，使它们更难调试。它们还可能诱使你在更简单的设置就足够时增加复杂性。
我们建议开发人员从直接使用 LLM API 开始：许多模式可以在几行代码中实现。如果你确实使用框架，请确保你了解底层代码。对引擎盖下内容的错误假设是客户错误的常见来源。
请参阅我们的食谱以获取一些示例实现。
构建块、工作流和智能体
在本节中，我们将探讨我们在生产中看到的智能体系统的常见模式。我们将从我们的基础构建块——增强型 LLM——开始，并逐步增加复杂性，从简单的组合工作流到自治智能体。
构建块：增强型 LLM
智能体系统的基本构建块是一个通过检索、工具和记忆等增强功能增强的 LLM。我们当前的模型可以主动使用这些能力——生成自己的搜索查询、选择适当的工具并确定要保留的信息。
我们建议专注于实现的两个关键方面：针对你的特定用例定制这些能力，并确保它们为你的 LLM 提供简单、文档完善的接口。虽然有许多方法可以实现这些增强功能，但一种方法是通过我们最近发布的模型上下文协议，它允许开发人员通过简单的客户端实现与不断增长的第三方工具生态系统集成。
在本文的其余部分，我们将假设每个 LLM 调用都可以访问这些增强能力。
工作流：提示链接
提示链接将任务分解为一系列步骤，其中每个 LLM 调用处理前一个步骤的输出。你可以在任何中间步骤上添加编程检查（参见下图中的"门"），以确保过程仍在轨道上。
何时使用此工作流：此工作流非常适合任务可以轻松、干净地分解为固定子任务的情况。主要目标是通过使每个 LLM 调用成为更简单的任务，以延迟换取更高的准确性。
提示链接有用的示例：
- 生成营销文案，然后将其翻译成不同的语言。
- 编写文档大纲，检查大纲是否满足某些标准，然后基于大纲编写文档。
工作流：路由
路由对输入进行分类，并将其定向到专门的后续任务。此工作流允许关注点分离，并构建更专门的提示。如果没有此工作流，针对一种输入进行优化可能会损害对其他输入的性能。
何时使用此工作流：路由适用于复杂任务，其中有明显不同的类别最好单独处理，并且分类可以通过 LLM 或更传统的分类模型/算法准确处理。
路由有用的示例：
- 将不同类型的客户服务查询（一般问题、退款请求、技术支持）引导到不同的下游流程、提示和工具。
- 将简单/常见问题路由到更小、成本高效的模型（如 Claude Haiku 4.5），将困难/不寻常问题路由到更有能力的模型（如 Claude Sonnet 4.5），以优化最佳性能。
工作流：并行化
LLM 有时可以同时处理一项任务，并且它们的输出可以通过编程方式聚合。这种工作流，即并行化，表现为两个关键变体：
- 分段：将任务分解为独立的子任务并行运行。
- 投票：多次运行相同任务以获得多样化的输出。
何时使用此工作流：当划分的子任务可以并行化以提高速度，或者当需要多个视角或尝试以获得更高置信度的结果时，并行化是有效的。对于具有多个考虑因素的复杂任务，当每个考虑因素由单独的 LLM 调用处理，允许集中注意力于每个特定方面时，LLM 通常表现更好。
并行化有用的示例：
分段：
- 实施护栏，其中一个模型实例处理用户查询，而另一个筛选它们以查找不当内容或请求。这往往比让相同的 LLM 调用同时处理护栏和核心响应表现更好。
- 自动化评估以评估 LLM 性能，其中每个 LLM 调用评估模型在给定提示上性能的不同方面。
投票：
- 审查代码片段的漏洞，其中几个不同的提示审查并在发现问题时标记代码。
- 评估给定内容是否不当，多个提示评估不同方面或要求不同的投票阈值以平衡误报和漏报。
工作流：编排器-工作者
在编排器-工作者工作流中，中央 LLM 动态分解任务，将它们委托给工作者 LLM，并合成它们的结果。
何时使用此工作流：此工作流非常适合你无法预测所需子任务的复杂任务（例如，在编码中，每次需要更改的文件数量和每个文件中更改的性质可能取决于任务）。虽然它在拓扑上相似，但与并行化的关键区别在于其灵活性——子任务不是预定义的，而是由编排器根据特定输入确定的。
编排器-工作者有用的示例：
- 每次对多个文件进行复杂更改的编码产品。
- 涉及从多个来源收集和分析信息以获取可能相关信息的搜索任务。
工作流：评估器-优化器
在评估器-优化器工作流中，一个 LLM 调用生成响应，而另一个在循环中提供评估和反馈。
何时使用此工作流：当我们有明确的评估标准，并且迭代优化提供可衡量的价值时，此工作流特别有效。两个良好适配的迹象是，首先，当人类表达他们的反馈时，LLM 响应可以明显改善；其次，LLM 可以提供这样的反馈。这类似于人类作家在撰写精修文档时可能经历的迭代写作过程。
评估器-优化器有用的示例：
- 文学翻译，其中存在翻译 LLM 最初可能无法捕获的细微差别，但评估 LLM 可以提供有用的批评。
- 需要多轮搜索和分析以收集全面信息的复杂搜索任务，其中评估器决定是否需要进一步搜索。
智能体
随着 LLM 在关键能力上的成熟——理解复杂输入、参与推理和规划、可靠使用工具以及从错误中恢复——智能体正在生产中出现。智能体从人类用户的命令或交互式讨论开始他们的工作。一旦任务明确，智能体独立规划和操作，可能会返回给人类获取进一步的信息或判断。在执行过程中，智能体在每一步从环境中获取"地面真实"（例如工具调用结果或代码执行）以评估其进展至关重要。然后，智能体可以在检查点或遇到阻碍时暂停以获取人类反馈。任务通常在完成时终止，但也常见于包含停止条件（例如最大迭代次数）以保持控制。
智能体可以处理复杂任务，但它们的实现通常很简单。它们通常只是 LLM 在循环中基于环境反馈使用工具。因此，至关重要的是要清晰、深思熟虑地设计工具集及其文档。我们在附录 2（"你的工具的提示工程"）中扩展了工具开发的最佳实践。
何时使用智能体：智能体可用于难以或不可能预测所需步骤数量的开放式问题，并且你无法硬编码固定路径。LLM 将可能运行多轮，你必须对其决策有一定程度的信任。智能体的自治性使它们非常适合在可信环境中扩展任务。
智能体的自治性质意味着更高的成本，以及复合错误的潜力。我们建议在沙箱环境中进行广泛测试，以及适当的护栏。
智能体有用的示例：
以下示例来自我们自己的实现：
- 解决 SWE-bench 任务的编码智能体，涉及基于任务描述对许多文件进行编辑；
- 我们的"计算机使用"参考实现，其中 Claude 使用计算机完成任务。
组合和自定义这些模式
这些构建块不是规范性的。它们是开发人员可以塑造和组合以适应不同用例的常见模式。与任何 LLM 功能一样，成功的关键是衡量性能并迭代实现。重复一遍：你应该只在复杂性明显改善结果时才考虑添加复杂性。
总结
LLM 领域的成功不是关于构建最复杂的系统。它是关于构建适合你需求的正确系统。从简单提示开始，通过全面评估优化它们，并且仅在更简单的解决方案不足时才添加多步智能体系统。
在实现智能体时，我们尝试遵循三个核心原则：
- 保持智能体设计的简单性。
- 通过明确显示智能体的规划步骤来优先考虑透明度。
- 通过彻底的工具文档和测试精心打造你的智能体-计算机接口（ACI）。
框架可以帮助你快速入门，但当你转向生产时，不要犹豫减少抽象层并使用基本组件构建。通过遵循这些原则，你可以创建不仅强大而且可靠、可维护并受用户信任的智能体。
附录 1：实践中的智能体
我们与客户的合作揭示了 AI 智能体的两个特别有前景的应用，它们展示了上述模式的实际价值。这两个应用都说明了智能体如何为既需要对话又需要行动、有明确成功标准、启用反馈循环并集成有意义的人类监督的任务增加最大价值。
A. 客户支持
客户支持将熟悉的聊天机器人界面与通过工具集成的增强功能相结合。这是更开放式智能体的自然匹配，因为：
- 支持交互自然遵循对话流，同时需要访问外部信息和行动；
- 工具可以集成以提取客户数据、订单历史和知识库文章；
- 诸如发放退款或更新票证之类的操作可以以编程方式处理；并且
- 成功可以通过用户定义的解决方案清楚地衡量。
几家公司已经通过基于使用情况的定价模型证明了这种方法的可行性，该模型仅对成功的解决方案收费，显示了对其智能体有效性的信心。
B. 编码智能体
软件开发领域已经展示了 LLM 功能的显著潜力，能力从代码完成演变为自主问题解决。智能体特别有效，因为：
- 代码解决方案可以通过自动化测试验证；
- 智能体可以使用测试结果作为反馈迭代解决方案；
- 问题空间定义明确且结构化；并且
- 输出质量可以客观衡量。
在我们自己的实现中，智能体现在可以仅基于拉取请求描述解决 SWE-bench 验证基准中的真实 GitHub 问题。然而，虽然自动化测试有助于验证功能，但人工审查对于确保解决方案与更广泛的系统要求保持一致仍然至关重要。
附录 2：你的工具的提示工程
无论你正在构建哪种智能体系统，工具都可能是你的智能体的重要组成部分。工具通过在我们的 API 中指定其确切结构和定义，使 Claude 能够与外部服务和 API 交互。当 Claude 响应时，如果它计划调用工具，它将在 API 响应中包含一个工具使用块。工具定义和规范应该与你的整体提示一样多的提示工程关注。在这个简短的附录中，我们描述了如何对你的工具进行提示工程。
通常有几种方法可以指定相同的操作。例如，你可以通过编写差异或通过重写整个文件来指定文件编辑。对于结构化输出，你可以在 markdown 内或 JSON 内返回代码。在软件工程中，这些差异是表面的，可以无损地从一个转换到另一个。然而，某些格式对于 LLM 来说比其他格式编写要困难得多。编写差异需要在编写新代码之前知道块头中有多少行在变化。在 JSON 内（与 markdown 相比）编写代码需要额外的换行符和引号转义。
我们对决定工具格式的建议如下：
- 给模型足够的 token 来"思考"，然后再把自己写进角落。
- 保持格式接近模型在互联网上自然看到的文本内容。
- 确保没有格式"开销"，例如必须准确计数数千行代码，或对它编写的任何代码进行字符串转义。
一个经验法则是考虑在人机界面（HCI）上投入了多少努力，并计划在创建良好的智能体-计算机界面（ACI）上投入同样多的努力。以下是一些关于如何这样做的想法：
- 设身处地为模型着想。根据描述和参数，如何使用这个工具是否明显，或者你是否需要仔细考虑它？如果是这样，那么模型可能也是如此。一个好的工具定义通常包括示例用法、边缘情况、输入格式要求以及与其他工具的明确边界。
- 你如何更改参数名称或描述以使事情更明显？把这想象成为你团队中的初级开发人员编写出色的文档字符串。当使用许多类似工具时，这一点尤其重要。
- 测试模型如何使用你的工具：在我们的工作台中运行许多示例输入，看看模型会犯什么错误，并迭代。
- 防错（Poka-yoke）你的工具。更改参数使得犯错误更难。
在构建我们的 SWE-bench 智能体时，我们实际上花在优化工具上的时间比整体提示更多。例如，我们发现模型在智能体移出根目录后会在使用相对文件路径的工具上犯错误。为了解决这个问题，我们更改了工具以始终要求绝对文件路径——我们发现模型完美地使用了这种方法。
本文由 Erik S. 和 Barry Zhang 撰写。本工作借鉴了我们在 Anthropic 构建智能体的经验以及客户分享的宝贵见解，我们对此深表感谢。