Anthropic 谈如何构建高效智能体：从工作流模式到自主 Agent

注意：本文描述的大部分工具生态自 2024 年 12 月以来已发生变化。关于我们当前的做法，请参阅我们如何构建 Claude Managed Agents 以及Managed Agents 文档。

在过去一年中，我们与数十个跨行业构建大语言模型（LLM）智能体的团队合作。我们发现，最成功的实现始终没有使用复杂的框架或专门的库，而是采用简单、可组合的模式进行构建。

在本文中，我们分享与客户合作以及自行构建智能体的经验，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”可以有多种定义方式。一些客户将智能体定义为完全自主的系统，能够在较长时间内独立运行，使用各种工具完成复杂任务。另一些客户则用这个词来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，但在架构上对工作流和智能体做了重要区分：

• 工作流是通过预定义代码路径来编排 LLM 和工具的系统。
• 而智能体则是 LLM 动态指导自身流程和工具使用、对完成任务的方式保持控制的系统。

下面，我们将详细探讨这两种智能体系统。在附录 1（“实践中的智能体”）中，我们描述了客户发现使用这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

在使用 LLM 构建应用时，我们建议寻找尽可能简单的解决方案，只在需要时才增加复杂度。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换取更好的任务表现，你应该考虑这种权衡何时合理。

当确实需要更高复杂度时，工作流为定义明确的任务提供可预测性和一致性，而当需要大规模灵活性和模型驱动的决策时，智能体则是更好的选择。不过，对许多应用而言，通过检索和上下文示例来优化单次 LLM 调用通常就足够了。

何时以及如何使用框架

有许多框架可以让智能体系统更易于实现，包括：

• Claude Agent SDK；
• AWS 的 Strands Agents SDK；
• Rivet，一个拖拽式 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。

这些框架通过简化调用 LLM、定义和解析工具以及将调用串联起来等标准底层任务，让入门变得容易。然而，它们往往会创建额外的抽象层，可能掩盖底层的提示词和响应，使其更难调试。它们还可能诱使你在更简单的设置就足够时增加复杂度。

我们建议开发者从直接使用 LLM API 开始：许多模式只需几行代码即可实现。如果你确实使用了框架，请确保你理解底层代码。对底层机制的错误假设是客户出错的常见来源。

请参阅我们的cookbook获取一些示例实现。

构建模块、工作流与智能体

在本节中，我们将探讨在生产环境中见到的智能体系统的常见模式。我们将从基础构建模块——增强型 LLM——开始，逐步增加复杂度，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，增强方式包括检索、工具和记忆等。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、选择合适的工具，并确定要保留哪些信息。

我们建议重点关注实现中的两个关键方面：将这些能力针对你的具体用例进行定制，并确保它们为你的 LLM 提供简单、文档完善的接口。虽然实现这些增强的方式有很多，其中一种方法是通过我们最近发布的 Model Context Protocol，它允许开发者通过简单的 客户端实现 接入不断增长的第三方工具生态。

在本文的剩余部分，我们将假设每次 LLM 调用都可以使用这些增强能力。

工作流：提示链

提示链将任务分解为一系列步骤，其中每次 LLM 调用都会处理上一次调用的输出。你可以在任何中间步骤上添加程序化检查（见下图中的“gate”），以确保流程仍在正轨上。

何时使用此工作流： 此工作流非常适合任务可以轻松、清晰地分解为固定子任务的情况。主要目标是通过让每次 LLM 调用都成为更简单的任务，以延迟换取更高的准确性。

提示链有用的示例：

• 生成营销文案，然后将其翻译成另一种语言。
• 撰写文档大纲，检查大纲是否满足某些标准，然后根据大纲撰写文档。

工作流：路由

路由会对输入进行分类，并将其引导到专门的后继任务。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，针对某一类输入进行优化可能会损害其他输入上的性能。

何时使用此工作流： 对于存在明显类别、且这些类别更适合分别处理的复杂任务，路由效果很好；同时分类可以由 LLM 或更传统的分类模型/算法准确完成。

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、提示和工具中。
• 将简单/常见问题路由到更小、更具成本效益的模型（如 Claude Haiku 4.5），将困难/不寻常的问题路由到能力更强的模型（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个任务，并以程序化方式聚合它们的输出。这种工作流，即并行化，表现为两种关键变体：

• 分段：将任务分解为并行运行的独立子任务。
• 投票：多次运行同一任务以获得多样化的输出。

何时使用此工作流：当拆分后的子任务可以并行化以提升速度，或者需要多种视角或多次尝试以获得更高置信度的结果时，并行化是有效的。对于涉及多个考量因素的复杂任务，当每个考量因素由单独的 LLM 调用处理时，LLM 通常表现更好，因为这样可以专注于每个具体方面。

并行化有用的示例：

• Sectioning:
  • 实现护栏机制，让一个模型实例处理用户查询，而另一个实例筛查其中是否包含不当内容或请求。这往往比让同一个 LLM 调用同时处理护栏和核心响应表现更好。
  • 自动化评估以评价 LLM 性能，其中每个 LLM 调用评估模型在给定提示下某一不同方面的表现。
• Voting:
  • 审查一段代码是否存在漏洞，其中多个不同的提示对代码进行审查，并在发现问题时将其标记出来。
  • 评估某段内容是否不当，使用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：编排者-工作者

在编排者-工作者工作流中，一个中心 LLM 动态地分解任务，将其委派给工作者 LLM，并综合它们的结果。

何时使用此工作流：此工作流非常适合那些你无法预测所需子任务的复杂任务（例如在编码中，需要更改的文件数量以及每个文件中更改的性质很可能取决于任务本身）。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——子任务不是预先定义的，而是由编排者根据具体输入来确定的。

编排者-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寻找可能相关信息的搜索任务。

工作流：评估者-优化者

在评估者-优化者工作流中，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，并且迭代改进能提供可衡量的价值时，此工作流尤其有效。良好契合的两个标志是：第一，当人类清晰表达其反馈时，LLM 的响应能够明显得到改善；第二，LLM 能够提供这样的反馈。这类似于人类作者在产出精炼文档时可能经历的迭代写作过程。

评估者-优化者有用的示例：

• 文学翻译，其中存在翻译 LLM 最初可能无法捕捉的细微之处，但评估者 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，其中评估者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、进行推理与规划、可靠地使用工具以及从错误中恢复——Agent 正在生产环境中崭露头角。Agent 的工作始于人类用户下达的命令或与其进行的交互式讨论。一旦任务明确，Agent 便独立进行规划与操作，并可能在需要更多信息或判断时回到人类那里。在执行过程中，Agent 在每一步从环境中获取“真实依据”（例如工具调用结果或代码执行情况）以评估其进展，这一点至关重要。随后，Agent 可以在检查点或遇到阻碍时暂停以获取人类反馈。任务通常在完成后终止，但加入停止条件（例如最大迭代次数）以保持控制也很常见。

Agent 能够处理复杂的任务，但其实现往往很直接。它们通常只是 LLM 在循环中基于环境反馈使用工具。因此，清晰地、深思熟虑地设计工具集及其文档至关重要。我们在附录 2（“为你的工具进行提示工程”）中详细阐述了工具开发的最佳实践。

何时使用 Agent：Agent 可用于开放式问题，即难以或无法预测所需步骤数量、且无法硬编码固定路径的场景。LLM 可能会运行多轮，你必须对其决策有一定程度的信任。Agent 的自主性使其非常适合在可信环境中扩展任务。

Agent 的自主性意味着更高的成本，以及错误累积的可能性。我们建议在沙盒环境中进行大量测试，并配备适当的防护措施。

Agent 有用的示例：

以下示例来自我们自己的实现：

• 一个编码 Agent，用于解决 SWE-bench 任务，这些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 使用计算机来完成任务。

组合与定制这些模式

这些构建模块并非规定性的。它们是常见模式，开发者可以对其进行塑造和组合，以适应不同的用例。与任何 LLM 功能一样，成功的关键在于衡量性能并迭代实现。再重复一遍：你应当只有在能明显改善结果时才考虑增加复杂性。

总结

在 LLM 领域的成功不在于构建最复杂的系统，而在于为你的需求构建合适的系统。从简单的提示开始，通过全面的评估对其进行优化，只有当更简单的方案无法满足需求时，才添加多步骤的 Agent 系统。

在实现 Agent 时，我们尝试遵循三条核心原则：

1. 在 Agent 的设计中保持简洁。
2. 通过明确展示 Agent 的规划步骤来优先考虑透明性。
3. 通过详尽的工具文档与测试，精心打造你的 Agent-计算机接口（ACI）。

框架可以帮助你快速上手，但在进入生产环境时，不要犹豫去减少抽象层并使用基础组件进行构建。遵循这些原则，你就能创建出不仅强大，而且可靠、可维护、受用户信任的 Agent。

致谢

作者：Erik S. 和 Barry Zhang。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。

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用价值。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、具有明确成功标准、能够实现反馈循环并融入有意义的人类监督的任务创造最大价值。

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增强的能力相结合。这自然适合更开放式的智能体，因为：

• 支持交互自然遵循对话流程，同时需要访问外部信息和操作；
• 可以集成工具来提取客户数据、订单历史记录和知识库文章；
• 诸如发放退款或更新工单之类的操作可以通过编程方式处理；以及
• 成功可以通过用户定义的解决方案清晰地衡量。

多家公司已通过基于使用量的定价模式证明了这种方法的可行性，该模式仅对成功解决的问题收费，显示出对其智能体有效性的信心。

B. 编码智能体

软件开发领域已展现出 LLM 功能的显著潜力，其能力从代码补全演进到自主问题解决。智能体尤其有效，因为：

• 代码解决方案可通过自动化测试进行验证；
• 智能体可以利用测试结果作为反馈来迭代解决方案；
• 问题空间定义明确且结构清晰；以及
• 输出质量可以客观衡量。

在我们自己的实现中，智能体现在仅根据拉取请求描述就能解决 SWE-bench Verified 基准测试中的真实 GitHub 问题。然而，尽管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符合更广泛的系统要求仍然至关重要。

附录 2：为你的工具进行提示工程

无论你正在构建哪种智能体系统，工具很可能都是你智能体的重要组成部分。工具使 Claude 能够通过在我们的 API 中指定其确切结构和定义来与外部服务和 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。工具定义和规范应像整体提示一样受到同等的提示工程关注。在这个简短的附录中，我们描述如何为你的工具进行提示工程。

通常有多种方式可以指定同一个操作。例如，你可以通过编写 diff 或重写整个文件来指定文件编辑。对于结构化输出，你可以在 markdown 或 JSON 中返回代码。在软件工程中，这类差异是表面性的，可以无损地从一种格式转换为另一种。然而，某些格式对 LLM 来说比其他格式难写得多。编写 diff 需要在新代码写入之前知道块头中有多少行正在更改。在 JSON 中编写代码（与 markdown 相比）需要对换行符和引号进行额外的转义。

我们关于决定工具格式的建议如下：

• 给模型足够的 token 来“思考”，以免它把自己逼入死角。
• 保持格式接近模型在互联网文本中自然见过的样子。
• 确保没有格式上的“额外负担”，比如必须准确计数数千行代码，或对它所写的任何代码进行字符串转义。

一条经验法则是，想想在人机交互（HCI）上投入了多少精力，并计划在创建良好的智能体-计算机交互（ACI）上投入同样多的精力。以下是一些关于如何做到这一点的想法：

• 设身处地为模型着想。根据描述和参数，使用这个工具是否显而易见，还是需要仔细思考？如果是后者，那么对模型来说可能也是如此。一个好的工具定义通常包括使用示例、边缘情况、输入格式要求，以及与其他工具的清晰边界。
• 你如何修改参数名称或描述，让事情变得更显而易见？把这想象成在为你团队中的初级开发者写一份出色的文档字符串。当使用许多相似工具时，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，看看模型会犯哪些错误，并迭代改进。
• 对你的工具进行防错设计。修改参数，让犯错变得更难。

在为SWE-bench构建我们的智能体时，我们实际上花在优化工具上的时间比花在整个提示上的时间还多。例如，我们发现，在智能体移出根目录后，模型会在使用相对文件路径的工具上犯错。为了解决这个问题，我们修改了工具，使其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。