我要投稿

高效构建智能体技巧 | 含Agent设计原则与Workflow构建方法

发布日期：2025-01-09 19:54:40 浏览次数： 2071

作者：在野在也

微信搜一搜，关注“在野在也”

Anthropic 对 Agent 的定义

Agent是一个架构或者是系统

它即被定义为一个能够较长时间自主独立运行, 通过调用各种工具来完成复杂任务的自主系统, 也被定义为通过遵循预定义工作流的预设系统

所以Anthropic对Agent系统进行了两类划分:

1. Agents: 根据任务复杂程度, 由LLM动态决定处理流程来自动完成任务, 适用于“开放性与创造性场景”, 如智能客服助理：能够根据客户提出的多样化问题，动态选择合适的知识库和工具，提供个性化的解决方案

2. Workflow: 基于预设的编排路径, 在每个节点中准确地调用LLM节点和相关工具节点, 从而完成复杂任务, 适用于“标准化与流程化场景”, 如客户评论批量处理: 通过预设的工作流程收集客户评论, 判断评论的情绪, 再自动生成评论的回复文案

Workflow的构建方法

1. Prompt chainning (提示链编排)

定义: 提示链的方法是将任务分解为多个子任务, 每一个节点输入的信息都是前一个节点的输出内容

典型场景: 复杂文本生成, 首先生成主题的大纲内容, 然后检查大纲是否符合标准, 接着根据大纲内容逐段撰写, 每一段都基于前面的内容, 以确保主题连贯的一致性

2. Routing (路由编排)

定义: 路由的编排方式, 类似于Coze的意图识别节点, 能够将输入的信息进行分类, 并将其定向专到特定的处理路径节点

典型场景: 智能客服系统, 当用户提出问题时, 系统先判断问题的意图, 再将其分流至响应的回复模块, 比如: 订单查询, 技术支持, 功能说明, 投诉建议等处理路径

3. Parallelization (并行编排)

定义: 并行编排的方式是将LLM同时处理同一项任务, 并在聚合器中整合输出结果, 从而提高任务处理的准确性和全面性

如图所示, 开始节点为用户输入的信息, 将用户输入的信息同时输入至三个大语言模型节点进行并行处理, 并将每个节点的输出结果进行聚合汇总, 最终进行整体输出

典型场景: 内容合规审查, 多个大语言模型分别检测内容中是否存在违规, 敏感或不良信息, 再由聚合器进行综合判断, 以提高审核的可靠性

并行编排的优势:

将复杂任务拆分为子任务后, 不仅提高输出质量, 同时通过并行处理的方式, 能够提升输出的响应速度
支持同一个任务多次获得不同的输出结果, 在聚合器中选择重复输出最高的结果为最终输出的内容, 能够有效提升输出信息的可信度

4. Orchestrator-workers (协调器编排)

定义: 协调器编排的方式是由前置的大语言进行动态的任务分解, 并将分解后的子任务派给其他的大语言模型进行处理, 最终通过整合子任务输出结果的方式, 进行最终答案的输出

这个编排结构是不是很像路由编排与并行编排的结合体, 他们之间还是有很多本质差异的, 比如和路由编排的差异在于

Routing(路由编排)主要是一种分类机制, 对输入的任务请求进行分类, 然后再将其导向专门的任务处理流程, 核心是做子流程的分离, 使不同类型的任务能够被高效地分配到最适合处理的路径上, 提高系统的整体效率 (适用于明确不同任务类型的场景)

Orchestrator-workers(协调器编排)核心是由模型对复杂任务进行动态拆解与分配, 适用于任务复杂, 且任务的执行顺序不可预测的使用场景

典型场景: 合同审查, 前置的大语言模型将合同审查任务拆解为: 条款识别, 风险评估,合规性审查, 修改建议等多个子任务, 并将这些子任务分配给擅长处理响应任务的垂直模型, 最后再通过大语言模型将输出内容进行整合, 生成全面的审查报告

Agent设计原则

最后和大家分享一下Anthropic总结的Agent编排原则, 我认为有价值的原则有两点

原则一, 优先用最简单的方式搭建, 减少Agent架构的复杂性

这一点与做产品类似, 先基于需求做最简单的MVP, 不需要一上来就构建非常复杂的工作流, 系统越复杂, 不仅输出的时长更久, 而且成本也更高, 所以优先用简单的方式来搭建, 去解决核心需求

原则二, 将Agent规划执行的步骤展示给用户, 从而增加系统的可理解性和可信度

比如协调器的编排方式, 可以让用户直观地查看自动分解的任务结果和任务推理过程,从而增强输出内容的可信度

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-07-30

智能客服驱动效率和体验升级，上海电信+昇腾AI的一次民生应用实践

2025-07-30

如何使用N8N搭建AI客服

2025-07-29

帮客户年省300万欧元：AI客服系统ConnectNow如何借助亚马逊云科技加速出海？

2025-07-27

如何构建“企业级”AI智能客服？飞书Aily全流程指南：从技术选型到落地调优

2025-07-23

重塑工作：AI时代的组织进化与管理革命

2025-07-18

AI Agent 重构商业：从效率革命到组织进化的实战路径

2025-07-16

运维领域智能体实战案例

2025-07-15

AI实现大模型客服第7节：RAG提示词与AI客服的拟人化提示词

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

安克砍掉70%客服，代码砍半，AI 机会到底在哪？

2025-05-27

一款很棒的开源AI Agent！咸鱼智能客服+自动感知，无人值守

2025-05-26

FastGPT：30 分钟搭建专属智能客服，中小企业 AI 落地神器

2025-05-28

扣子智能体完美结合芝麻人工客服系统，如何让服务效率飙升 200% ？

2025-05-29

Dify智能体实战案例：基于内部知识库的智能客服并接入公司官方网站

2025-06-17

保险行业为什么更需要新一代人工智能大模型客服？

2025-05-06

AI 应用到底该怎么收费？100位CIO最真实的选择

2025-06-17

AI大模型在客服工作流中的集成应用

2025-06-06

融资500万美金，AI Agent时代的Stripe来了

2025-06-02

AI驱动的工单系统能力全景解析：助力企业智能升级

2025-05-22

大家都在问

帮客户年省300万欧元：AI客服系统ConnectNow如何借助亚马逊云科技加速出海？

2025-07-29

RAG智能客服的召回率与精准率，评测到底在评啥？

2025-07-02

AI时代，客服员工如何华丽转身？

2025-07-02

扣子智能体完美结合芝麻人工客服系统，如何让服务效率飙升 200% ？

2025-05-29

药企专家有了数字分身：1 个钉钉 AI 助理如何巧解数百销售难题？

2025-05-29

安克砍掉70%客服，代码砍半，AI 机会到底在哪？

2025-05-27

当 AI 客服给企业省下 70% 成本，普通人如何分一杯羹？

2025-05-19

保险行业为什么更需要新一代人工智能大模型客服？

2025-05-06

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB