Agent 架构设计：从搭建者到设计师

认知升级：搭建者 vs 设计师

维度	搭建者 (Builder)	设计师 (Architect)
关注点	功能实现	系统鲁棒性与可扩展性
思维方式	线性思维	模块化与概率思维（如果 A 失败了怎么办？）
工具视角	"平台有哪些组件可以用？"	"我需要什么样的认知结构？"
典型问题	"提示词怎么写效果好？"	"单 Agent 还是多 Agent？记忆该怎么存？"

Agent 的设计核心：认知架构

不要只把 Agent 看作"Prompt + 工具"，要把它设计成一个类脑系统：

用户输入 → 感知层 → 核心大脑 (LLM) → 行动层 → 工具集/输出
                        ↕              ↕
                     记忆模块        规划模块

记忆设计

• 短期记忆：上下文窗口。设计要点：Token 预算管理、是否需要总结机制
• 长期记忆：RAG（向量数据库）。设计要点：什么信息值得存？检索策略？
• 状态记忆：工作流中流转的变量。设计要点：多轮对话中关键参数不丢失

规划设计

• 无规划：直接回答（Zero-shot）
• 任务拆解：先列计划再执行（Chain of Thought / Plan-and-Solve）
• 自我反思：执行后检查结果，不对则重试（Review & Refine）

四大主流架构模式

面对需求时，先思考用哪种模式。

模式 1：路由模式 (Router)

适用场景：用户意图分流、多功能入口。

一个"网关"Agent 不干活，只负责分类，把任务分发给专业的子 Agent 或工作流。路由节点的 Prompt 极度强调分类准确性，输出格式通常是结构化的 JSON。

模式 2：顺序工作流 (Workflow / SOP)

适用场景：标准化业务流程、辅助审批。

确定性的 DAG（有向无环图），Step 1 → Step 2 → Step 3。每个节点作为一个小 Agent，输入输出严格定义。容错性差，适合规则明确的场景。

模式 3：ReAct (Reasoning + Acting)

适用场景：复杂问题解决、需要反复调用工具。

"思考-行动-观察"的循环，Agent 自己决定下一步干什么，直到任务完成。极其灵活，但容易死循环、消耗 Token 多。需要设置最大循环次数。

模式 4：多智能体协作 (Multi-Agent)

适用场景：复杂项目、需要多角色配合。

• 分层式：一个总控 Agent 分解任务，指挥一群子 Agent
• 协作式：两个 Agent 互相对话（如 Writer + Critic 循环）

怎么判断自己"懂设计"了

接到需求时，不再直接打开平台写 Prompt，而是先画图：

1. 信息流：数据怎么流转？
2. 控制流：谁决定下一步做什么？（写死的 SOP 还是 Agent 自己决定？）
3. 状态管理：走到这一步时，系统存了哪些变量？

学习路径

理论基石：

• Lilian Weng: LLM Powered Autonomous Agents（Agent 圣经）
• 论文概念：ReAct、Chain-of-Thought、Tree-of-Thoughts

框架研究：

• LangGraph：图导向架构，理解状态机和循环
• AutoGen：多 Agent 对话协作

实践练习：

• 把一个复杂流程画成状态机图
• 设计一个包含反思机制的 Agent：让它自己检查输出，不合格则重写