今天去给微软中国的AI团队做了个分享，again，我又在想「我怎么配」。

但是没想到内容确实还挺受认可，原来做好自己喜欢干的事就能给大家带去启发，甚至微软中国的VP都来了，很有趣的体验

Anthropic 说 2025 年将是 Agentic 系统年

所以发了一个 Agents 综述的文章，介绍了他们构建 Agentic 系统的一些发现。

原文地址：https://www.anthropic.com/research/building-effective-agents

非常适合入门看，这里是大致的笔记：

1. 代理系统的基本概念
- 工作流(Workflows):通过预定义的代码路径编排LLM和工具
- 代理(Agents):LLM动态指导自己的流程和工具使用

2. 何时使用代理系统
- 建议从最简单的解决方案开始
- 仅在必要时增加复杂性
- 需权衡延迟和成本与任务性能的关系

3. 框架使用建议
- 常见框架:LangGraph、Amazon Bedrock、Rivet、Vellum等
- 建议开发者从直接使用LLM API开始
- 使用框架时需理解底层代码

4. 主要构建模式

A. 基础构建块:增强型LLM
- 具备检索、工具使用和记忆能力
- 通过Model Context Protocol实现工具集成

B. 工作流模式:
- 提示链(Prompt chaining):将任务分解为连续步骤
- 路由(Routing):对输入分类并导向专门任务
- 并行化(Parallelization):
- 分段:将任务分解为并行子任务
- 投票:多次运行获取不同输出
- 编排者-工作者(Orchestrator-workers):中央LLM分配任务
- 评估者-优化者(Evaluator-optimizer):循环评估和改进

C. 代理模式:
- 可自主规划和操作
- 需要环境反馈
- 适用于开放性问题

5. 实践应用领域
- 客户支持:结合对话流程和工具集成
- 编码代理:可验证且结构化的问题领域

6. 工具设计原则
- 注重工具文档和接口设计
- 考虑模型使用便利性
- 进行充分测试和迭代

7. 核心建议
- 保持设计简单性
- 确保透明度
- 精心设计代理-计算机接口(ACI)
- 仅在简单方案不足时增加复杂性

这篇文章为开发者提供了构建代理系统的实用指南,强调了从简单开始、逐步优化的方法论。