大模型——如何构建高效的 Agents

大模型——如何构建高效的 Agents

过去一年里，我们与来自不同行业的数十个团队合作，共同开发基于大语言模型（LLM）的代理系统。我们发现一个持续的现象：最成功的实现并非依赖复杂的框架或专门的代码库，而是采用简单、可组合的模式构建。

在这篇文章中，我们将分享与客户合作以及自主构建代理系统过程中的经验，并为开发者提供一些实用建议。

什么是 Agents 代理？

“代理”（Agent）可以有多种定义方式。有些客户将代理定义为完全自主的系统，它们能够长期独立运行，利用各种工具完成复杂任务。

也有客户用这个术语来描述更具规范性的实现，即遵循预定义工作流程的系统。

在Anthropic，我们将这些变体都归类为代理型系统，但在架构上区分了工作流和代理：

• • 工作流是通过预定义的代码路径来编排LLM和工具的系统。
• • 而代理则是LLM能够动态指导自身的处理过程和工具使用的系统，它们能够自主控制任务的完成方式。

接下来，我们将详细探讨这两类代理型系统。

在附录1（“代理的实践应用”）中，我们会介绍客户在使用这些系统时发现特别有价值的两个领域。

何时（以及何时不）使用代理？

在构建基于LLM的应用时，我们建议先寻找最简单的解决方案，只在必要时才增加复杂性。这可能意味着完全不需要构建代理型系统。代理型系统通常会用延迟和成本来换取更好的任务表现，您需要考虑这种取舍是否值得。当确实需要更复杂的系统时，对于明确定义的任务，工作流能提供更好的