知识库 · AGENT架构
Agent架构设计原则
本文基于 Anthropic 工程师 Barry Zhang 在多个技术分享中阐述的 Agent 架构设计理念，结合 Claude 实际工程经验，系统整理出可落地的 Agent 设计原则。这些原则已在 Anthropic 内部大量 Agent 产品中验证有效。
📚 知识来源
📖 Barry Zhang @ Anthropic
Barry Zhang 是 Anthropic 的工程师，专注于 Agent 系统设计与优化。他在多个场合（AI Engineer Summit、Anthropic 开发者活动）分享了 Agent 架构的实战经验。核心观点：大多数 Agent 失败不是模型能力问题，而是架构设计问题。
🤖 什么是Agent（工程视角）
从工程实践角度，Agent 是一个以 LLM 为核心决策引擎的系统，具备以下特征：
- 感知：能接收和处理多种形式的输入（文本、代码、工具返回值）
- 规划：能将复杂目标分解为可执行的步骤序列
- 行动：能调用外部工具或API执行具体操作
- 反思：能根据结果调整计划，自我纠错
- 持久化：能在多轮交互中维持状态和上下文
关键认知：Agent ≠ 聊天机器人。聊天机器人处理一次性请求，Agent 在一段时间内自主完成复杂任务。
🏛️ 核心设计原则
原则 01
简单优先，复杂按需
不要为了用 Agent 而用 Agent。如果一个任务能用单次LLM调用完成，就不需要 Agent。只在任务需要多步规划、状态维持或工具调用时才引入 Agent 架构。过度工程化是 Agent 项目失败的首要原因。
原则 02
明确定义工具边界
每个工具应该只做一件事，并且做好。工具描述必须精确，参数名要自解释。模型选择工具的准确率很大程度上取决于工具描述的质量，而不是模型能力。
原则 03
状态外部化，避免上下文膨胀
长时间运行的 Agent 必须将关键状态存储到外部系统（数据库/文件），而不是全部堆在 context window 中。上下文长度增加会导致注意力稀释，模型性能下降。
原则 04
人类在环（Human-in-the-Loop）
对于不可逆操作（删除数据、发送邮件、部署代码），必须设置人工确认环节。Agent 的自主性应该与操作风险成反比。宁可多问一次，也不要自作主张。
原则 05
失败是一等公民
每个工具调用都可能失败，每一步都可能出错。在设计时就要考虑重试策略、降级方案和错误恢复逻辑。好的 Agent 不是不会出错，而是出错后知道如何优雅恢复。
原则 06
可观测性优先
Agent 的中间步骤必须可记录、可回放、可调试。每次工具调用的输入/输出都要留日志。没有可观测性，调试 Agent 就是在黑盒里猜谜。
🏗️ 主流架构模式
🔄 ReAct（推理+行动）
交替进行"思考→行动→观察"循环，每步推理可见。实现简单，调试友好，是最常用的基础模式。
适合：通用任务
📋 Plan-Execute
先完整规划所有步骤，再逐步执行。规划和执行可以用不同模型（规划用强模型，执行用快模型）。
适合：流程确定的任务
👥 Multi-Agent
多个专业化 Agent 分工协作，主 Agent 协调。能处理超出单 Agent 能力范围的复杂任务。
适合：大规模复杂任务
🌳 Tree of Thought
同时探索多条解决路径，评估后选最优方案。计算成本高，但对需要创意或最优解的任务效果更好。
适合：开放性决策问题
🧠 记忆系统设计
Agent 的记忆系统是影响性能的关键因素，通常分为四种类型：
- Working Memory（工作记忆）：当前 context window 中的信息，速度最快但容量有限
- Episodic Memory（情节记忆）：历史交互记录，通过向量数据库检索相关片段
- Semantic Memory（语义记忆）：结构化的知识库，如用户偏好、领域知识
- Procedural Memory（程序记忆）：工具使用模式、成功/失败经验总结
💡 Barry Zhang 的记忆设计建议
不要把所有历史记录都塞进 context。关键是"检索哪些记忆"，而不是"存储多少记忆"。
使用 RAG 从历史中检索最相关的3-5条记录，比把20条记录全部堆入效果更好。
⚠️ 常见设计陷阱
- 工具过载：给 Agent 太多工具会降低工具选择准确率。建议单 Agent 工具数≤15个
- 目标不清晰：System Prompt 中对任务目标描述模糊，Agent 会频繁偏离方向
- 无限循环：没有设置最大步数限制，Agent 陷入循环无法退出
- 忽略边界情况：只测试 happy path，线上遇到各种异常输入就崩溃
- 评估缺失：没有系统性的 Agent 评估框架，靠人工主观感受优化
- 过度自主：在需要谨慎的场景（财务、医疗）给 Agent 过大权限
✅ Agent设计检查清单
- □ 任务是否真的需要 Agent？单次LLM调用无法解决吗？
- □ 每个工具是否有清晰的功能描述和使用示例？
- □ 是否设置了最大步数/时间限制，防止无限循环？
- □ 不可逆操作是否有人工确认环节？
- □ 是否记录了每次工具调用的输入/输出？
- □ 是否有自动化测试覆盖主要任务场景？
- □ 失败恢复策略是否已经设计？
- □ 上下文长度是否有管理策略？