- 综合排序
- 最热优先
- 最新优先
- 来自专栏XINDOO的专栏
Agent设计模式——
这些技术适用于构建从简单聊天机器人到复杂多 Agent 系统的各类应用，能够显著提升 Agentic 应用的性能和可靠性。 Agentic 模式是构建智能系统的架构蓝图，在主要章节中已有详细阐述。 这些模式定义了 Agent 如何规划、使用工具、管理记忆和协同工作。这些 Agentic 系统的效能最终取决于它们与语言模型进行有意义交互的能力。 这旨在展示更清晰的预期响应模式，提高模型为新输入复制该模式的可能性。此方法通过多个示例引导模型遵循特定输出模式。 具备动态上下文管道的 Agent 能够随时间维持目标、调整策略，并与其他 Agent 或工具无缝协作——这些是实现长期自主性的关键特质。 这些技术在构建自主 Agent 的背景下变得至关重要，它们为复杂多步骤操作提供了必要的控制与可靠性。为使 Agent 有效创建和执行计划，必须利用高级推理模式，如思维链和思维树。
48710编辑于 2025-10-27 Agent设计模式（6）：Multi-Agent模式——构建多Agent协作系统
这是"Agent设计模式"系列文章的最后一篇。 在前面五篇文章中，我们探讨了单Agent的各种核心模式： Reactor让Agent懂感知和反应； Planner让Agent会规划； Tool-Use让Agent能调用外部工具； Memory让Agent 但现实世界的问题往往太复杂，单一Agent难以胜任。就像一个人解决不了所有问题，多个专业分工的Agent协作才是正解。 这就是今天要讲的Multi-Agent模式。 一、为什么需要多Agent？ 已停止 ✓ Agent summarizer 已停止 ✓ 系统已关闭 六、系列总结与学习路线 ▪ 6.1 六篇文章回顾 这个系列我们完整覆盖了Agent设计的核心模式： 文章 模式 核心思想 适用场景 模式 记住上下文 长对话、状态维护 第5篇 Chain-of-Thought模式 显式推理链 复杂推理、数学问题 第6篇 Multi-Agent模式 多Agent协作 复杂系统、专业分工 这些模式不是互斥的
54211编辑于 2026-05-09- 来自专栏XINDOO的专栏
Agent设计模式——附录 G - 编码 Agent
在探索陌生 API 或测试新型架构模式时，Vibe 编码尤为高效，因其规避了追求完美实现的初期压力。生成代码常作为创意催化剂，为开发者提供可批判、重构与扩展的坚实基础。 开发者负责为 Agent 团队成员精心组装完整"任务简报"，包括： 完整代码库： 提供全部相关源代码，使 Agent 理解现有模式与逻辑结构。 外部知识集成： 补充特定文档、API 定义或设计规范。 请基于 01_BRIEF.md 中的需求说明与 02_CODE/ 目录下的现有模式，实现指定功能... 最终，此人类主导模式在开发者战略规划与 Agent 战术执行间建立强大协同效应。开发者得以从常规任务中解放，将专业智慧聚焦于创造最大价值的创意性挑战与架构设计。 践行迭代对话模式 最优成果源于双向对话而非单向指令。若 Agent 初始输出存在不足，应导向完善而非弃用。提供修正反馈、补充澄清上下文、引导二次尝试。
49710编辑于 2025-10-27 - 来自专栏XINDOO的专栏
Agent设计模式——结论
多 Agent 协作模式允许创建系统，其中多个专门的 Agent（每个都有不同的角色和能力集）共同努力实现共同目标。这种劳动分工使系统能够处理对单个 Agent 来说难以解决的多方面问题。 此类系统的有效性取决于清晰高效的通信，这是 Agent 间通信（A2A）和模型上下文协议（MCP）模式所要解决的挑战，它们旨在标准化 Agent 和工具如何交换信息。 该 Agent 将利用规划模式将高层次请求分解为结构化的多步骤研究计划。 反思模式可以通过引入第三个"批评家" Agent 来实现。该 Agent 的唯一目的是审查作家的草稿，检查逻辑不一致、事实不准确或缺乏清晰度的领域。 多 Agent 协作模式突出了专门 Agent 的力量，未来将看到开放市场和平台的出现，开发人员可以在其中部署、发现和编排 Agent 即服务的舰队。
51310编辑于 2025-10-27 - 来自专栏XINDOO的专栏
Agent设计模式——附录 D - 使用 AgentSpace 构建 Agent
该平台支持创建和部署专业化的 AI "Agent"，这些 Agent 能够执行复杂任务并实现流程自动化。它们不仅是聊天机器人，更具备自主推理、规划和执行多步骤操作的能力。 平台还包含名为 Agent Designer 的无代码界面，无需深厚技术专长即可创建自定义 Agent。 此外，AgentSpace 支持多 Agent 系统，不同 AI Agent 可通过称为 Agent2Agent（A2A）协议的开放协议进行通信与协作。这种互操作性支持更复杂、协调的工作流。 图 4：Agent 提示词定制 AgentSpace 提供多项高级功能，例如与数据存储集成以存储自有数据、与 Google 知识图谱或私有知识图谱集成、用于向 Web 公开 Agent 的 Web 界面 图 6：用于启动与 Agent 对话的 AgentSpace 用户界面 结论 综上所述，AgentSpace 为在组织现有数字基础设施中开发部署 AI Agent 提供了实用框架。
37410编辑于 2025-10-27 Agent设计模式（4）：Tool Use模式——构建安全的多工具Agent
前两篇我们讲了ReAct模式（思考-行动循环）和Reflection模式（自我反思）。今天这篇，讲的是Agent最实用的能力：Tool Use（工具使用）。 工具调用是Agent区别于聊天机器人的核心能力。没有工具，Agent就是个会聊天的AI； 有了工具，Agent就是能干活的数字员工。 Tool Use的本质：让Agent写代码执行操作 先搞清楚一个概念：Tool Use不是"让Agent调用工具"，而是"让Agent写代码调用工具"。 这就是Tool Use模式的核心思想：Agent写代码，代码执行操作。 工具调用是Agent最实用的能力，也是最容易出问题的地方。 用好了，Agent能干很多事；用不好，Agent就是个定时炸弹。 下一篇，我们讲Planning模式——如何让Agent处理复杂任务。
32710编辑于 2026-05-09- 来自专栏XINDOO的专栏
Agent设计模式——第 7 章：多 Agent 协作
多 Agent 协作模式通过将系统构建为由不同专门化 Agent 组成的协作集合来解决这些限制。这种方法基于任务分解原则，其中高级目标被分解为离散的子问题。 多 Agent 协作模式概述 多 Agent 协作模式涉及设计系统，其中多个独立或半独立的 Agent 协同工作以实现共同目标。 实际应用与用例 多 Agent 协作是一种适用于众多领域的强大模式： 复杂研究和分析： 一组 Agent 可以协作完成研究项目。 视觉摘要 ** ** 图 3：多 Agent 设计模式 关键要点 多 Agent 协作涉及多个 Agent 协同工作以实现共同目标。 此模式利用专业角色、分布式任务和 Agent 间通信。 此模式非常适合需要多样化专业知识或多个不同阶段的复杂问题。 结论 本章探讨了多 Agent 协作模式，展示了在系统内编排多个专门 Agent 的好处。
4.4K11编辑于 2025-10-27 - 来自专栏XINDOO的专栏
Agent设计模式——术语表
最终阶段为对齐（Alignment），调整专业化模型行为模式，确保输出兼具实用性、安全性且符合人类价值导向。 增强 AI Agent 能力 AI Agent 是能感知环境并采取自主行动以实现目标的智能系统。其效能通过强大的推理框架显著提升。 该框架支持 Agent 自评估不同思路质量，择优推进最 promising 路径，极大增强复杂问题解决效能。 规划（Planning）： 指 Agent 将高层目标分解为系列可管理子任务的能力。Agent 据此制定执行计划并按序推进步骤，从而胜任复杂的多阶段任务。 这使得 Agent 能构建远超单次查询范围的 comprehensive 主题认知。
40510编辑于 2025-10-27 - 来自专栏AgenticAI
6种AI Agent模式详解
在本文中，我们将探讨多种构建 AI 智能体结构的模式。这些模式有助于我们扩展功能、保持模块化，并更好地控制执行流程。 为什么使用多智能体模式？ 一开始，通常会采用单智能体模型。 接下来，我将逐一为你介绍这些模式： 1. 单智能体模式 这是最简单的智能体模式，仅使用一个智能体，直接与工具和环境交互。 网络模式 在网络模式中，智能体之间以多对多的关系连接。任何一个智能体都可以与其他任意智能体通信，并将任务委派给它们。 监督者模式 监督者模式引入了一个中央控制智能体，用于监督整个工作流程。该智能体负责在每一步中决定调用哪个专职智能体。 层级模式 在大型系统中，可能需要多层级的监督机制。在层级模式中，监督者被组织为不同层级，高层智能体负责管理低层监督者及其下属的专家智能体。
1.3K10编辑于 2025-07-27 - 来自专栏XINDOO的专栏
Agent设计模式——第 18 章：Guardrails安全模式
Guardrails（防护栏），也称为安全模式，是确保智能 Agent 安全、符合道德规范并按预期运行的关键机制，尤其是在这些 Agent 变得更加自主并集成到关键系统中时。 这包括利用内容审核 API 检测不当提示，以及使用像 Pydantic 这样的模式验证工具确保结构化输入遵守预定义规则，可能限制 Agent 参与敏感话题。 我们不应将 Agent 视为全新的东西，而应将它们视为比以往任何时候都更需要这些经过验证的工程学科的复杂系统。 检查点和回滚模式是一个完美的例子。 每个检查点都是一个经过验证的状态，Agent 工作的成功"提交"，而回滚是容错的机制。这将错误恢复转变为主动测试和质量保证策略的核心部分。 然而，强大的 Agent 架构不仅仅是一个模式。 原因： Guardrails 或安全模式提供了一个标准化的解决方案来管理 Agent 系统固有的风险。它们作为一个多层防御机制，确保 Agent 安全、符合道德规范并与其预期目的保持一致地运行。
1.8K10编辑于 2025-10-27 5种大模型Agent模式
大模型中的5种AI Agent模式在大模型中，AI Agent（人工智能代理）模式是一种重要的应用方式，可以从以下几个方面来理解：1. 执行与反馈：AI Agent 按照规划的步骤执行操作，并将结果反馈给用户。如果任务未完成或出现问题，它会根据反馈调整策略，重新尝试或寻求帮助。 下面介绍5种常见的AI Agent模式：1. ReAct模式（Reason + Act）核心流程： 推理（Reason）：LLM分析用户查询，制定行动计划。 多智能体模式（Multi-agent Pattern）正在上传图片...核心架构： 角色分工： 项目经理代理（PM agent）：协调任务分配（Delegation）。 技术负责人（Tech lead agent）、开发运维（DevOps agent）、工程师（SDE agent）：各司其职，协作完成任务。
4.6K10编辑于 2025-05-07- 来自专栏XINDOO的专栏
Agent设计模式——术语表
附录 A 自主性 - 引言 A2A（Agent-to-Agent）- 第 15 章：Agent 间通信（A2A） B 行为约束 - 第 18 章：护栏/安全模式 浏览器使用 - 附录 B C 回调 - ChatMessageHistory - 第 8 章：内存管理 检查点与回滚 - 第 18 章：护栏/安全模式 分块 - 第 14 章：知识检索（RAG） 清晰性和具体性 - 附录 A 客户端 Agent 第 18 章：护栏/安全模式，附录 C 批评 Agent - 第 16 章：资源感知优化 批评模型 - 术语表 客户支持 - 第 13 章：人在回路中 D 数据提取 - 第 1 章：提示链 数据标注 - C 语义记忆 - 第 8 章：内存管理 语义相似性 - 第 14 章：知识检索（RAG） 关注点分离 - 第 18 章：护栏/安全模式 顺序交接 - 第 7 章：多 Agent 协作 服务器发送事件（ 状态 - 第 8 章：内存管理 状态回滚 - 第 12 章：异常处理与恢复 后退提示 - 附录 A 流式更新 - 第 15 章：Agent 间通信（A2A） 结构化日志 - 第 18 章：护栏/安全模式
44510编辑于 2025-10-27 - 来自专栏XINDOO的专栏
Agent设计模式——第 15 章：Agent 间通信（A2A）
Agent 间通信模式概述 Agent2Agent（A2A）协议是旨在实现不同 AI Agent 框架间通信与协作的开放标准。 它还详细说明支持功能（如流式传输或推送通知）、特定技能、默认输入/输出模式以及身份验证要求。以下是 WeatherBot 的 Agent 卡片示例。 经验法则：当您需要协调两个或多个 AI Agent 间协作时使用此模式，特别是如果它们使用不同框架（如 Google ADK、LangGraph、CrewAI）构建。 当 Agent 需要动态发现和使用其他 Agent 能力完成任务时，此模式也必不可少。 核心组件是 Agent 卡片，它作为数字身份，清楚定义 Agent 能力并使其他 Agent 能够动态发现。协议灵活性支持各种交互模式，包括同步请求、异步轮询和实时流式传输，满足广泛应用需求。
1.9K10编辑于 2025-10-27 Agent设计模式（5）：Planning模式——如何拆解复杂任务
它涉及代码分析、性能测试、方案设计、实现、部署、监控……一个Agent从头做到尾，几乎不可能做好。 Planning模式就是解决这个问题的：先把大任务拆解成小任务，再逐个执行。 监控 Worker Agent 1：执行优化数据库查询 Worker Agent 2：执行添加缓存 Worker Agent 3：执行优化算法 Worker Agent 4：执行部署 Worker Agent 5：执行监控 结果： - Worker Agent 1优化了查询，但没测试，不确定有没有问题 - Worker Agent 2添加了缓存，但Worker Agent 1的改动让缓存key设计不合理 - Worker Agent 3优化了算法，但和Worker Agent 2的缓存冲突了 - Worker Agent 4部署了，但前面的改动没验证，可能引入了bug - Worker Agent 5监控了 下一篇，我们讲Multi-Agent模式——多个Agent如何协作，解决更复杂的问题。 一句话带走：Planning的核心不是"切任务"，而是分层决策和失败恢复。
28311编辑于 2026-05-09- 来自专栏四楼没电梯
GitHub Copilot Agent 模式系统提示词
如果不知道确切的字符串或文件名模式，优先使用 search_codebase 工具进行搜索。 不要对情况作出猜测——先收集上下文，然后再执行任务或回答问题。 query: string, }) => any; // 按照 glob 模式在工作区中搜索文件。只返回匹配的文件路径，最多 20 个结果。 // Glob 模式从工作区根目录开始匹配。 type file_search = (_: { // 按照此查询（可以是 glob 模式）搜索文件名或路径。 type grep_search = (_: { // 要进行搜索的文件路径匹配模式，将应用于工作区内相对路径。 includePattern? <instructions> You are a highly sophisticated automated coding agent with expert-level knowledge across
67500编辑于 2025-02-10 - 来自专栏MoeLove
新功能：Prometheus Agent 模式上手体验
用户在使用的时候，直接从远端存储中读取数据，并提供全局视图等； Prometheus Agent 模式 Prometheus Agent 是自 Prometheus v2.32.0 开始将会提供的一项功能 这是因为 Prometheus Agent 模式现在是内置在 Prometheus 二进制文件中的，增加 --enable-feature=agent 选项即可启用。 但是如果我们直接访问开启了 Agent 模式的 Prometheus 的 UI 地址的时候，会直接报错，无法进行查询。 这是由于 如果已开启 Agent 模式的 Prometheus 将会默认关闭其 UI 查询能力，报警以及本地存储等能力。 与现有的一些方案在架构上会略有重合， 但是有一些优势： Agent 模式是 Prometheus 内置的功能； 开启 Agent 模式的 Prometheus 实例，资源消耗更少，功能也会更单一，对于扩展一些边缘场景更有利
1.7K10发布于 2021-12-01 - 来自专栏XINDOO的专栏
Agent设计模式——第 4 章：反思
反思模式概述 在前面的章节中，我们探讨了基础的 Agent 模式：顺序执行的链式、动态路径选择的路由以及并发任务执行的并行化。这些模式使 Agent 能够更高效、更灵活地执行复杂任务。 然而，即使采用复杂的工作流，Agent 的初始输出或计划也可能并非最优、准确或完整。这正是反思模式发挥关键作用之处。 反思模式涉及 Agent 评估其自身工作、输出或内部状态，并利用该评估来提升性能或优化响应。 当任务需要通用生产者 Agent 可能遗漏的高客观性或专门评估时，使用独立评审者 Agent 视觉摘要 ** ** 图 1：反思设计模式，自我反思 ** ** 图 2：反思设计模式，生产者和评审者 的输出被另一个 Agent 评审，允许后续优化步骤 此模式使 Agent 能够执行自我纠正并随时间提升性能 结论 反思模式为 Agent 工作流中的自我纠正提供关键机制，实现超越单次执行的迭代改进。
70410编辑于 2025-10-27 - 来自专栏XINDOO的专栏
Agent设计模式——第 2 章：路由
系统使用语言模型对请求进行分类，然后将其委托给适当的处理函数，模拟多 Agent 架构中常见的基本委托模式。 为什么： 路由模式通过将条件逻辑引入 Agent 的操作框架提供了标准化解决方案。它使系统能够首先分析传入查询以确定其意图或性质。 经验法则： 当 Agent 必须根据用户输入或当前状态在多个不同的工作流、工具或子 Agent 之间做出决策时，使用路由模式。 结论 路由模式是构建真正动态和响应式 Agent 系统的关键步骤。 掌握路由模式对于构建能够智能地导航不同场景并根据上下文提供定制响应或操作的 Agent 至关重要。它是创建多功能和健壮 Agent 应用程序的关键组件。
1.2K10编辑于 2025-10-27 - 来自专栏XINDOO的专栏
Agent设计模式——第 6 章：规划
这就是规划模式发挥作用的地方。规划的核心是 Agent 或 Agent 系统制定一系列行动以从初始状态向目标状态移动的能力。 实操代码（Crew AI） 以下部分将演示使用 Crew AI 框架实现规划模式。此模式涉及一个 Agent，它首先制定多步计划以解决复杂查询，然后顺序执行该计划。 每当任务需要一系列相互依赖的操作以达到最终的综合结果时，应用规划模式。 视觉摘要 ** ** 图 4；规划设计模式 关键要点 规划使 Agent 能够将复杂目标分解为可操作的顺序步骤。 此模式从简单的顺序任务执行（如 CrewAI Agent 创建并遵循写作计划所演示的）扩展到更复杂和动态的系统。 通过构建问题解决方法，此模式使 Agent 能够管理复杂的工作流并提供全面的综合结果。
77610编辑于 2025-10-27 - 来自专栏DotNet NB && CloudNative
多Agent协作入门：移交编排模式
上一篇我们学习了Semantic Kernel中的群聊编排模式，它非常适合集思广益、协作解决问题等类型任务场景。今天，我们学习新的模式：移交编排。 移交编排模式简介 在移交（也可以叫做交接）编排模式中，允许各个Agent根据上下文或用户请求相互转移控制权，每个Agent都可以通过适当的专业知识将对话“移交”给另一个Agent，确保每个Agent处理任务的某个指定部分 这种模式非常适合于客户支持（客服）、专家系统或需要动态委派类型的任务场景。 实现移交编排模式 这里我们来实现一个客户支持的DEMO，假设我们是一个电商的后台客服中心，我们找了一群AI Agent来帮我们进行一些订单查询、退款、退货等通用类请求的客户服务支持。 ; } 选择编排模式 这里我们选择的是群聊编排模式：HandoffOrchestration，除了将需要编排的4个Agent作为参数传递给它之外，我们还需要定义一个移交流程，让Agent知道他们应该如何实现交接
48011编辑于 2025-09-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号