以下是网页 www.anthropic.com/engineering... 内容的完整中文翻译：
在过去一年中，我们与数十个跨行业的团队合作，帮助他们构建基于大语言模型（LLM）的智能体（agents）。我们发现，最成功的实现往往并未使用复杂的框架或专用库，而是采用简单、可组合的模式进行构建。
在本文中，我们将分享与客户合作以及自行构建智能体过程中所学到的经验，并为开发者提供构建高效智能体的实用建议。
什么是智能体？
"智能体"可以有多种定义。一些客户将其定义为能够长时间独立运行、使用各种工具完成复杂任务的全自动系统；另一些客户则用该术语描述遵循预定义工作流的更规范化的实现。在 Anthropic，我们将这些变体统称为智能体系统（agentic systems） ，但在架构上明确区分了工作流（workflows）与智能体（agents）：
- 工作流：通过预定义代码路径编排 LLM 与工具的系统。
- 智能体：由 LLM 动态主导自身流程和工具使用的系统，对如何完成任务拥有控制权。
下文将详细探讨这两类智能体系统。附录 1（"智能体的实际应用"）中，我们描述了客户在两个领域中特别受益于这类系统的案例。
何时（以及何时不）使用智能体
在使用 LLM 构建应用时，我们建议始终寻找最简单的解决方案，仅在必要时才增加复杂性。这意味着你可能根本不需要构建智能体系统。智能体系统通常以延迟和成本为代价换取更好的任务性能，因此你需要仔细权衡这种取舍是否值得。
当确实需要更高复杂度时，对于定义清晰的任务，工作流能提供可预测性和一致性；而当需要灵活性和由模型驱动的大规模决策能力时，智能体则是更好的选择。然而，对于许多应用场景，通过检索增强和上下文示例优化单次 LLM 调用通常就已足够。
何时以及如何使用框架
有许多框架可简化智能体系统的实现，包括：
- LangChain 的 LangGraph；
- Amazon Bedrock 的 AI 智能体框架；
- Rivet，一个拖拽式 GUI LLM 工作流构建器；
- Vellum，另一个用于构建和测试复杂工作流的 GUI 工具。
这些框架通过简化调用 LLM、定义和解析工具、串联调用等底层任务，帮助开发者快速上手。但它们也常常引入额外的抽象层，掩盖了底层提示（prompt）和响应，使调试变得更加困难。此外，它们还可能诱使开发者在简单方案已足够的情况下过度增加复杂性。
我们建议开发者先直接使用 LLM API：许多模式只需几行代码即可实现。如果你确实使用框架，请确保你理解其底层代码。对框架内部机制的错误假设是客户常见错误的根源。
可参阅我们的示例代码库（cookbook）获取一些实现样例。
构建模块、工作流与智能体
本节将探讨我们在生产环境中观察到的智能体系统常见模式。我们将从基础构建模块------增强型 LLM 开始，逐步提升复杂度，从简单的组合式工作流到自主智能体。
构建模块：增强型 LLM
智能体系统的基本构建模块是一个经过增强的 LLM，其增强能力包括检索（retrieval）、工具（tools）和记忆（memory）。我们当前的模型能够主动使用这些能力------生成自己的搜索查询、选择合适的工具，并决定保留哪些信息。
我们建议重点关注两个关键方面：一是根据具体用例定制这些能力，二是确保它们为 LLM 提供简单、文档完善的接口。虽然这些增强功能有多种实现方式，但一种方法是使用我们最近发布的 Model Context Protocol（模型上下文协议） ，它允许开发者通过简单的客户端实现，集成不断增长的第三方工具生态系统。
在本文后续内容中，我们假设每次 LLM 调用都具备这些增强能力。
工作流：提示链（Prompt Chaining）
提示链将任务分解为一系列步骤，每个 LLM 调用处理前一步的输出。你可以在任何中间步骤添加程序化检查（见下图中的"gate"），以确保流程仍在正确轨道上。
适用场景：当任务可以清晰、干净地分解为固定子任务时，提示链尤为理想。其主要目标是以延迟为代价换取更高准确性，因为每个 LLM 调用只需处理更简单的任务。
典型用例：
- 生成营销文案，然后将其翻译成另一种语言；
- 先撰写文档大纲，检查大纲是否符合特定标准，再基于大纲撰写完整文档。
工作流：路由（Routing）
路由对输入进行分类，并将其导向专门的后续任务。这种工作流实现了关注点分离，便于构建更专业的提示。若不使用路由，针对某一类输入的优化可能会损害其他类型输入的性能。
适用场景：当任务复杂且存在明显可区分的类别、且分类可以被 LLM 或传统分类模型/算法准确完成时，路由效果良好。
典型用例：
- 将不同类型的客户服务请求（一般咨询、退款申请、技术支持）分别导向不同的下游流程、提示和工具；
- 将简单/常见问题路由给较小模型（如 Claude 3.5 Haiku），将复杂/罕见问题路由给更强模型（如 Claude 3.5 Sonnet），以优化成本和速度。
工作流：并行化（Parallelization）
LLM 有时可以同时处理任务，并通过程序化方式聚合输出。这种工作流有两种主要变体：
- 分段（Sectioning）：将任务拆分为可并行执行的独立子任务；
- 投票（Voting）：多次运行相同任务以获得多样化的输出。
适用场景：当子任务可并行加速，或需要多个视角/尝试以提高结果置信度时，并行化非常有效。对于涉及多方面考量的复杂任务，LLM 通常在每个方面由单独的 LLM 调用专注处理时表现更佳。
典型用例：
-
分段：
- 实现防护机制：一个模型实例处理用户查询，另一个筛查不当内容或请求。这通常比单次 LLM 调用同时处理核心响应和防护效果更好；
- 自动化评估 LLM 性能，每个 LLM 调用评估模型在给定提示下表现的不同方面。
-
投票：
- 审查代码漏洞，多个不同提示分别审查并标记问题；
- 评估内容是否不当，多个提示从不同角度评估，或设置不同投票阈值以平衡误报与漏报。
工作流：协调器-工作者（Orchestrator-Workers）
在此工作流中，一个中心 LLM 动态分解任务，委派给多个"工作者" LLM，并综合其结果。
适用场景：适用于无法预知所需子任务的复杂任务（例如编程中，需要修改的文件数量和每处修改的性质取决于具体任务）。虽然拓扑结构与并行化相似，但关键区别在于其灵活性------子任务不是预定义的，而是由协调器根据具体输入动态决定。
典型用例：
- 编程产品，每次执行都对多个文件进行复杂修改；
- 涉及从多个来源收集和分析信息的搜索任务。
工作流：评估器-优化器（Evaluator-Optimizer）
在此工作流中，一个 LLM 调用生成响应，另一个提供评估和反馈，形成循环。
适用场景：当你有明确的评估标准，且迭代优化能带来可衡量的价值时，此工作流尤为有效。两个良好适用的标志是：第一，当人类明确反馈时，LLM 响应确实能得到改进；第二，LLM 能够提供此类反馈。这类似于人类作家在撰写精炼文档时所经历的迭代写作过程。
典型用例：
- 文学翻译：初始翻译可能遗漏细微之处，但评估器 LLM 可提供有用的批评；
- 复杂搜索任务：需要多轮搜索与分析以获取全面信息，评估器决定是否需要进一步搜索。
智能体（Agents）
随着 LLM 在理解复杂输入、推理规划、可靠使用工具和错误恢复等关键能力上的成熟，智能体正逐步投入生产应用。智能体通常从人类用户的指令或交互式讨论开始。一旦任务明确，智能体便能独立规划和执行，必要时再返回向人类请求更多信息或判断。执行过程中，智能体必须在每一步从环境中获取"真实反馈"（如工具调用结果或代码执行结果）以评估进展。智能体可在检查点或遇到障碍时暂停，等待人类反馈。任务通常在完成后终止，但也常设置停止条件（如最大迭代次数）以保持控制。
智能体虽能处理复杂任务，其实现往往非常直接：通常只是 LLM 在循环中根据环境反馈调用工具。因此，清晰、周到地设计工具集及其文档至关重要。附录 2（"为工具进行提示工程"）将进一步阐述工具开发的最佳实践。
适用场景：智能体适用于开放式问题，即无法预知所需步骤数量、也无法硬编码固定路径的任务。LLM 可能会运行多个回合，因此你必须对其决策能力有一定信任。智能体的自主性使其非常适合在可信环境中规模化任务。
但自主性也意味着更高成本和错误累积的风险。我们建议在沙盒环境中进行充分测试，并设置适当的防护机制。
典型用例（来自我们自身的实现）：
- 用于解决 SWE-bench 任务的编码智能体，该任务涉及根据任务描述对多个文件进行编辑；
- 我们的"计算机使用"参考实现，其中 Claude 使用计算机完成任务。
组合与定制这些模式
这些构建模块并非强制规定，而是开发者可根据不同用例灵活塑造和组合的常见模式。与任何 LLM 功能一样，成功的关键在于衡量性能并持续迭代实现。再次强调：只有当增加复杂性确实能显著提升结果时，才应考虑这样做。
总结
在 LLM 领域的成功，不在于构建最复杂的系统，而在于构建最适合你需求的系统。从简单提示开始，通过全面评估进行优化，仅在简单方案不足时才引入多步骤智能体系统。
在实现智能体时，我们遵循三个核心原则：
- 简洁性：保持智能体设计的简洁；
- 透明性：明确展示智能体的规划步骤；
- 精心设计智能体-计算机接口（ACI）：通过详尽的工具文档和测试来实现。
框架可助你快速起步，但在迈向生产环境时，不要犹豫减少抽象层，直接使用基础组件构建。遵循这些原则，你就能构建出不仅强大，而且可靠、可维护、并赢得用户信任的智能体。
致谢
本文由 Erik Schluntz 与 Barry Zhang 撰写。我们的工作基于在 Anthropic 构建智能体的经验，以及客户分享的宝贵见解，对此我们深表感谢。
附录 1：智能体的实际应用
我们与客户的合作揭示了两个特别有前景的 AI 智能体应用场景，充分展示了上述模式的实用价值。这两个应用都表明，当任务同时需要对话与行动、具备明确的成功标准、支持反馈循环，并整合有意义的人类监督时，智能体能发挥最大价值。
A. 客户支持
客户支持结合了熟悉的聊天机器人界面与通过工具集成增强的能力。这对开放式智能体而言是天然契合的场景，因为：
- 支持交互天然具有对话流程，同时需要访问外部信息和执行操作；
- 工具可集成以获取客户数据、订单历史和知识库文章；
- 退款发放或工单更新等操作可程序化处理；
- 成功可通过用户定义的解决方案清晰衡量。
多家公司已通过按成功解决计费的定价模型验证了该方法的可行性，显示出对其智能体有效性的信心。
B. 编码智能体
软件开发领域在 LLM 功能方面展现出巨大潜力，能力已从代码补全演进到自主解决问题。智能体在此尤其有效，因为：
- 代码解决方案可通过自动化测试验证；
- 智能体可利用测试结果作为反馈迭代优化方案；
- 问题空间定义清晰且结构化；
- 输出质量可客观衡量。
在我们自己的实现中，智能体现已能仅凭拉取请求描述，解决 SWE-bench Verified 基准中的真实 GitHub 问题。然而，尽管自动化测试有助于验证功能，人类审查对于确保解决方案符合更广泛的系统需求仍至关重要。
附录 2：为工具进行提示工程
无论你构建哪种智能体系统，工具很可能都是重要组成部分。工具使 Claude 能通过指定其精确结构和定义来与外部服务和 API 交互。当 Claude 响应时，若计划调用工具，API 响应中将包含一个工具使用块。工具的定义和规范应获得与整体提示同等的提示工程关注。本附录简要说明如何为工具进行提示工程。
同一操作常有多种指定方式。例如，你可以通过写 diff 或重写整个文件来指定文件编辑；对于结构化输出，你可以将代码放在 Markdown 或 JSON 中。在软件工程中，这些差异只是形式上的，可无损转换。但对 LLM 而言，某些格式远比其他格式更难生成。例如，写 diff 需要在写出新代码前就知道块头中要更改多少行；在 JSON 中写代码（相比 Markdown）则需额外转义换行符和引号。
我们对工具格式选择的建议如下：
- 为模型留出足够 token 用于"思考"，避免过早陷入格式限制；
- 尽量采用模型在互联网文本中常见到的格式；
- 避免格式"开销"，例如要求准确计数千行代码，或对所写代码进行字符串转义。
一个经验法则是：想想人类-计算机界面（HCI）投入了多少精力，你就应为构建良好的 智能体-计算机界面（ACI） 投入同等精力。以下是一些建议：
- 站在模型的角度思考：仅凭描述和参数，工具用法是否显而易见？还是需要仔细思考？如果是后者，模型很可能也有同样困难。好的工具定义通常包含使用示例、边界情况、输入格式要求，以及与其他工具的清晰区分。
- 如何修改参数名或描述使其更直观？想象你是在为团队中的初级开发者写优秀的文档字符串。当你使用多个相似工具时，这一点尤为重要。
- 测试模型如何使用你的工具：在我们的工作台中运行大量示例输入，观察模型犯哪些错误，并持续迭代。
- 对工具进行"防错设计（Poka-yoke）"：调整参数，使错误更难发生。
在构建 SWE-bench 智能体时，我们实际上花在优化工具上的时间超过了整体提示。例如，我们发现当智能体离开根目录后，使用相对路径的工具常出错。为解决此问题，我们将工具改为始终要求绝对路径------结果模型使用该方法毫无差错。