• 智能體應(yīng)用構(gòu)建指南：2大核心架構(gòu)+9種設(shè)計(jì)模式全解析

• 構(gòu)建智能體應(yīng)用的2種類型和9種模式

• 智能體應(yīng)用的9種設(shè)計(jì)模式，建議收藏

• 從單智能體到多智能體：9種模式教你搭建高效AI應(yīng)用

• 強(qiáng)模型≠好智能體！這2類架構(gòu)+9種模式，才是落地核心

全文約4300字，閱讀時(shí)間8分鐘

文/王吉偉

想要構(gòu)建一個(gè)智能體應(yīng)用，最重要的是什么？可能很多人首先會(huì)想到要選擇一個(gè)性能強(qiáng)大的大模型。

這個(gè)回答沒錯(cuò)，畢竟當(dāng)前的LLM Based Agent哪能缺少LLM的支撐。但事實(shí)卻是，很多基于先進(jìn)大模型構(gòu)建的智能體沒能體現(xiàn)出應(yīng)用效果，反而一些使用性能一般大模型的智能體表現(xiàn)更加亮眼。

這是什么原因呢？答案在于，大模型本身的能力并不能決定智能體性能與應(yīng)用效果?；谛阅懿皇悄敲磸?qiáng)大的模型所構(gòu)建的智能體，在與之契合的應(yīng)用環(huán)境中發(fā)揮了更好的效果。

在企業(yè)充斥大量復(fù)雜流程的生產(chǎn)環(huán)境中構(gòu)建智能體，往往需要考慮所構(gòu)建的智能體如何與企業(yè)系統(tǒng)協(xié)同應(yīng)用，需要考慮智能體如何更好地融入到企業(yè)原有的生產(chǎn)環(huán)境中。因此，智能體的架構(gòu)類型、集成能力以及系統(tǒng)整體的設(shè)計(jì)決定了智能體的應(yīng)用表現(xiàn)。

最近看到一篇名為《A practical guide to the architectures of agentic applications》的文章，很好的闡述了這一點(diǎn)。文章認(rèn)為，在構(gòu)建智能體應(yīng)用時(shí)，選擇強(qiáng)大的AI模型并非最重要的決定，架構(gòu)設(shè)計(jì)、集成和系統(tǒng)整體設(shè)計(jì)才是成功的關(guān)鍵。糟糕的架構(gòu)會(huì)導(dǎo)致預(yù)算浪費(fèi)、技術(shù)債務(wù)和性能不佳。

這篇文章詳細(xì)探討了單智能體和多智能體兩種核心架構(gòu)模型，并深入分析了工作流設(shè)計(jì)、自主性、協(xié)調(diào)性等要素，提供了常見的設(shè)計(jì)模式、實(shí)際案例以及一個(gè)決策框架，幫助開發(fā)者根據(jù)具體用例選擇合適的架構(gòu)方法。

王吉偉頻道翻譯了此文，以幫助大家更好地理解智能體的應(yīng)用設(shè)計(jì)。

以下是正文。

【PS：贈(zèng)書福利見文末】

很多人以為，構(gòu)建AI產(chǎn)品最重要的是在GPT-4、Claude等商業(yè)模型或者開源模型之間做出選擇，其實(shí)這是一個(gè)誤區(qū)。更多成功案例和失敗案例告訴我們，大模型的能力并不能決定真正應(yīng)用于生成環(huán)境的智能體應(yīng)用。

即便這些智能體應(yīng)用基于最先進(jìn)的大模型，如果架構(gòu)、集成和整體系統(tǒng)設(shè)計(jì)沒能針對(duì)現(xiàn)實(shí)應(yīng)用環(huán)境的復(fù)雜性進(jìn)行設(shè)計(jì)與構(gòu)建，一般也不會(huì)有多好的表現(xiàn)。

一個(gè)架構(gòu)薄弱的強(qiáng)大AI模型，可能會(huì)耗盡預(yù)算、浪費(fèi)GPU時(shí)間和造成技術(shù)債務(wù)，甚至其性能還不如一個(gè)基于堅(jiān)實(shí)架構(gòu)基礎(chǔ)構(gòu)建的能力較弱的模型。

所以想要構(gòu)建一個(gè)高效可用的智能體應(yīng)用，不但要了解智能體應(yīng)用的常見架構(gòu)類型，還要了解他們的架構(gòu)與設(shè)計(jì)模式。

這篇文章，將揭秘智能體應(yīng)用的兩大核心架構(gòu)類型單智能體和多智能體，介紹如何考量工作流設(shè)計(jì)、自主性與協(xié)調(diào)性。也將提及構(gòu)建兩種智能體應(yīng)用的9種常用設(shè)計(jì)模式、實(shí)際案例和決策框架，幫助大家具體應(yīng)用時(shí)選擇合適的方法。

明確系統(tǒng)需完成的任務(wù)

在選擇智能體應(yīng)用的架構(gòu)及模式之前，首先需要定義系統(tǒng)需要支持的端到端工作流。無論采用什么樣的實(shí)現(xiàn)方式，系統(tǒng)從接收初始輸入到產(chǎn)生最終輸出，必須完成哪些步驟？工作流是簡(jiǎn)短線性的，還是步驟繁多？某些步驟能否并行運(yùn)行，或者階段間存在嚴(yán)格的依賴關(guān)系？流程是否涉及多個(gè)角色、服務(wù)或數(shù)據(jù)類型？整個(gè)過程是否需要協(xié)調(diào)、重試或適應(yīng)能力？

系統(tǒng)的工作流決定智能體采用的架構(gòu)，可以幫助大家判斷單智能體設(shè)置是否足夠，抑或需要分布式的多智能體設(shè)計(jì)來實(shí)現(xiàn)目標(biāo)。

單智能體架構(gòu)Single-agent architectures

單智能體架構(gòu)依賴一個(gè)智能體從頭至尾處理整個(gè)工作流，因此非常適合簡(jiǎn)單、線性且需極少協(xié)調(diào)的工作流。該智能體負(fù)責(zé)推理（評(píng)估輸入并決定行動(dòng)）、規(guī)劃（將目標(biāo)分解為步驟）、執(zhí)行（調(diào)用函數(shù)或API）以及與工具交互（運(yùn)用模型之外的功能，如數(shù)據(jù)庫(kù)或搜索）。

單智能體流程高層示意圖

通過精心設(shè)計(jì)，單智能體架構(gòu)在適當(dāng)條件下也能管理更復(fù)雜的工作流。例如，透明、開源的SWE-agent通過單一控制循環(huán)，自主使用工具來修復(fù)GitHub倉(cāng)庫(kù)中的問題、檢測(cè)安全漏洞并執(zhí)行其他由腳本定義的工作流，無需任務(wù)委托或并行處理。

下面我們來看看單智能體架構(gòu)中的一些常見模式，以及即使基礎(chǔ)工作流如何因正確的結(jié)構(gòu)選擇而受益。

單智能體模式The single-agent pattern

其最簡(jiǎn)形式為：?jiǎn)沃悄荏w系統(tǒng)響應(yīng)觸發(fā)器，處理任務(wù)，并返回輸出。不涉及記憶、規(guī)劃或外部交互，僅包含：輸入、推理和響應(yīng)。此模式適用于簡(jiǎn)單自動(dòng)化或原型驗(yàn)證，并有助于在構(gòu)建智能體應(yīng)用時(shí)檢驗(yàn)工作流和想法。

單智能體模式示意圖

開源自動(dòng)化智能體bumpgen是單智能體架構(gòu)的一個(gè)實(shí)例，它展示了即使是基礎(chǔ)自動(dòng)化任務(wù)也能從精心設(shè)計(jì)的架構(gòu)中獲益。該智能體監(jiān)控項(xiàng)目中的新軟件包發(fā)布，獲取最新版本信息，并創(chuàng)建自動(dòng)化拉取請(qǐng)求以完成更新。工作流直截了當(dāng)：檢測(cè)、獲取、更新。無需協(xié)調(diào)或并行處理，單個(gè)智能體即可獨(dú)立處理全流程。

記憶增強(qiáng)智能體模式The memory-augmented agent pattern

當(dāng)系統(tǒng)需要記住過往上下文（如先前的用戶交互、歷史數(shù)據(jù)或外部狀態(tài)）以做出更佳決策時(shí)，此模式很有用。例如，假設(shè)您正在構(gòu)建一個(gè)自動(dòng)提醒系統(tǒng)，用于向用戶發(fā)送個(gè)性化提示。

記憶增強(qiáng)智能體模式示意圖

一個(gè)基于cron的觸發(fā)器每日運(yùn)行，智能體從向量記憶庫(kù)中查詢過往消息或操作，并利用該上下文生成個(gè)性化的提醒。這種設(shè)置使得智能體能夠基于對(duì)過去事件的認(rèn)知進(jìn)行響應(yīng)。

工具使用智能體模式The tool-using agent pattern

假設(shè)您正在構(gòu)建一個(gè)處理發(fā)票請(qǐng)求的客戶支持智能體。當(dāng)用戶提交支持工單時(shí)，智能體需獲取賬單數(shù)據(jù)、進(jìn)行格式化并返回摘要——這些步驟它無法獨(dú)自完成。它會(huì)調(diào)用計(jì)費(fèi)API（Billing API）、處理響應(yīng)并自動(dòng)完成任務(wù)。

工具使用智能體模式示意圖

您不會(huì)希望通過硬編碼每個(gè)API交互的方式，來確保此過程在智能體內(nèi)可靠運(yùn)行。相反，您可以引入一個(gè)MCP（模型上下文協(xié)議）層——MCP是一種用于標(biāo)準(zhǔn)化訪問外部工具和服務(wù)的協(xié)議。MCP層代表了工具接口層，所有外部交互（主要是API）在此抽象和維護(hù)。如此一來，核心邏輯保留在智能體內(nèi)部，而繁重的工作則委托給工具處理。

規(guī)劃智能體模式The planning-agent pattern

規(guī)劃智能體基于初始輸入生成一個(gè)多步驟計(jì)劃，按順序執(zhí)行每個(gè)步驟，并通過理解任務(wù)依賴關(guān)系和跟蹤執(zhí)行狀態(tài)來靈活調(diào)整。

規(guī)劃智能體模式的一個(gè)典型用例是SaaS產(chǎn)品的AI入職助手：用戶注冊(cè)后，系統(tǒng)必須安排歡迎郵件、設(shè)置產(chǎn)品引導(dǎo)、三天后跟進(jìn)檢查，若一周后仍無互動(dòng)則轉(zhuǎn)接人工支持。這些步驟并非自動(dòng)完成，而是需要按正確順序進(jìn)行規(guī)劃和執(zhí)行。

規(guī)劃智能體模式示意圖

規(guī)劃智能體模式適用于無法一步完成、且需要一系列協(xié)調(diào)操作的任務(wù)。

反思智能體模式The reflection-agent pattern

反思智能體模式適用于那些除了執(zhí)行，還需要隨時(shí)間推移不斷改進(jìn)的任務(wù)。在完成某項(xiàng)操作后，反思智能體會(huì)存儲(chǔ)結(jié)果，將其與目標(biāo)或指標(biāo)進(jìn)行比對(duì)，并據(jù)此更新策略。隨著時(shí)間的推移，這種反饋循環(huán)能使智能體愈發(fā)高效，即便沒有人工干預(yù)。

假設(shè)您構(gòu)建了一個(gè)基于市場(chǎng)信號(hào)執(zhí)行每日交易的交易助手。在每個(gè)交易日結(jié)束時(shí)，智能體會(huì)評(píng)估哪些交易表現(xiàn)良好、哪些不佳，以及未來如何調(diào)整策略。

反思智能體模式示意圖

當(dāng)您的系統(tǒng)需要從既往結(jié)果中學(xué)習(xí)以提升未來性能時(shí)，此模式尤為有用。

多智能體架構(gòu)Multi-agent architectures

現(xiàn)實(shí)生成環(huán)境的工作流程往往比較復(fù)雜。一旦你構(gòu)建了最小可行產(chǎn)品（MVP）或用單智能體架構(gòu)驗(yàn)證了流程，很可能需要進(jìn)一步擴(kuò)展，以增加更多推理、并行性、精確性或?qū)I(yè)化。這時(shí)，多智能體架構(gòu)就派上了用場(chǎng)。

在多智能體架構(gòu)中，多個(gè)智能體協(xié)作完成一個(gè)復(fù)雜的工作流程。每個(gè)智能體承擔(dān)特定的職責(zé)：規(guī)劃、檢索、分析或執(zhí)行，并與其他智能體溝通以推動(dòng)流程前進(jìn)。

多智能體流程高層示意圖

微軟的開源項(xiàng)目TaskWeaver遵循多智能體模式：目標(biāo)被分解為子任務(wù)——例如檢索文檔、總結(jié)文檔和起草輸出——并分配給各個(gè)智能體。一個(gè)中央?yún)f(xié)調(diào)器管理智能體間的協(xié)作與結(jié)果傳遞。這種設(shè)置很常見：大多數(shù)有效的多智能體系統(tǒng)都包含一個(gè)協(xié)調(diào)智能體，負(fù)責(zé)監(jiān)督任務(wù)委派。無論它被稱為主導(dǎo)智能體、監(jiān)督者還是管理者，這個(gè)智能體都確保工作流程保持有序。

在多智能體設(shè)置中，每個(gè)智能體通常被設(shè)計(jì)為一個(gè)單智能體系統(tǒng)，擁有自己的記憶、工具和決策邏輯。例如，在一個(gè)AI交易系統(tǒng)中，你可能擁有負(fù)責(zé)以下任務(wù)的獨(dú)立智能體：

• 獲取實(shí)時(shí)市場(chǎng)數(shù)據(jù)。

• 執(zhí)行技術(shù)和情感分析。

• 反思過去表現(xiàn)以調(diào)整策略。

• 通過經(jīng)紀(jì)商API執(zhí)行交易。

在多智能體架構(gòu)中，焦點(diǎn)從每個(gè)智能體做什么轉(zhuǎn)移到它們?nèi)绾螀f(xié)作。

監(jiān)督者模式The supervisor pattern

監(jiān)督者模式是較常用的多智能體架構(gòu)之一，其核心理念很簡(jiǎn)單：一個(gè)智能體擔(dān)任主導(dǎo)。監(jiān)督者智能體接收觸發(fā)指令，將任務(wù)分解為子任務(wù)，并將每個(gè)子任務(wù)委托給專用智能體，然后確保智能體以正確的順序、在正確的上下文中運(yùn)行，并且輸出能夠正確回流。

這種架構(gòu)的一個(gè)實(shí)際應(yīng)用可能是醫(yī)院的專家預(yù)約系統(tǒng)。當(dāng)患者發(fā)起請(qǐng)求時(shí)，監(jiān)督者智能體控制整個(gè)工作流程：

• 首先，它通過調(diào)度器智能體檢查可用性。

• 接著，它通過記錄智能體檢索患者的醫(yī)療記錄。

• 然后，它將記錄發(fā)送給總結(jié)器智能體，以生成簡(jiǎn)潔的概述。

• 最后，它將最終摘要轉(zhuǎn)發(fā)給負(fù)責(zé)通知專家的郵件智能體。

醫(yī)院專家預(yù)約系統(tǒng)的監(jiān)督者模式示意圖

層級(jí)模式The hierarchical pattern

作為監(jiān)督者模式的擴(kuò)展，當(dāng)任務(wù)過于復(fù)雜或范圍過廣，無法由單個(gè)監(jiān)督者管理時(shí)，會(huì)使用層級(jí)模式。它引入了協(xié)調(diào)層：一個(gè)頂層智能體處理高層目標(biāo)，并將其部分委托給中層智能體，中層智能體進(jìn)一步分解工作并將任務(wù)分配給低層智能體。這種方法在職責(zé)必須跨專門團(tuán)隊(duì)或領(lǐng)域劃分的系統(tǒng)中很有用。

例如，在企業(yè)文檔處理系統(tǒng)中，一個(gè)頂層智能體可能監(jiān)督整個(gè)流程，將總結(jié)任務(wù)委托給一個(gè)中層智能體，將數(shù)據(jù)提取委托給另一個(gè)中層智能體，每個(gè)中層智能體管理自己的工作組。

層級(jí)模式示意圖

競(jìng)爭(zhēng)模式The competitive pattern

競(jìng)爭(zhēng)模式涉及多個(gè)智能體獨(dú)立處理同一問題，每個(gè)智能體提出自己的解決方案。一個(gè)單獨(dú)的評(píng)估器智能體審查所有提交的方案，并根據(jù)預(yù)定義的標(biāo)準(zhǔn)（如速度、準(zhǔn)確性、創(chuàng)造性和成本效益）選擇最合適的方案。

當(dāng)思想的多樣性或冗余機(jī)制可以帶來更好的結(jié)果時(shí)，這種方法很有用。它還增加了魯棒性：如果一個(gè)智能體失敗或表現(xiàn)不佳，其他智能體可能仍然成功。

競(jìng)爭(zhēng)模式的一個(gè)典型用例是生成營(yíng)銷文案：多個(gè)智能體生成不同的標(biāo)題或內(nèi)容片段，評(píng)估器根據(jù)A/B測(cè)試標(biāo)準(zhǔn)選擇最符合品牌指南的方案。

網(wǎng)絡(luò)模式The network pattern

網(wǎng)絡(luò)模式不存在主導(dǎo)智能體。每個(gè)智能體都有自己的工具，并直接與其他智能體通信以協(xié)調(diào)任務(wù)。像OpenAI Agents和Crew AI這樣的框架就是圍繞這種模型設(shè)計(jì)的。

雖然網(wǎng)絡(luò)模式提供了靈活性，但在實(shí)際應(yīng)用中往往不切實(shí)際。沒有清晰的流程，智能體之間的通信是非結(jié)構(gòu)化的，使得系統(tǒng)難以調(diào)試、不可靠且運(yùn)行成本高。每個(gè)步驟都可能觸發(fā)額外的大語(yǔ)言模型（LLM）調(diào)用，增加延遲。由于這些原因，網(wǎng)絡(luò)模式通常不適合生產(chǎn)使用，除非你特別需要去中心化設(shè)置，例如在研究或模擬環(huán)境中。

網(wǎng)絡(luò)模式示意圖

后記：幾個(gè)建議提升智能體應(yīng)用效果

理解了構(gòu)建智能體系統(tǒng)的機(jī)構(gòu)類型和模式，下一步就是選擇適合你生產(chǎn)環(huán)境的構(gòu)建方案。為了讓你的智能體應(yīng)用表現(xiàn)的更好，這里有幾個(gè)建議：

1、如果應(yīng)用程序采用多智能體架構(gòu)，可以考慮加入一個(gè)反思智能體。雖然多智能體系統(tǒng)受益于提高的精確性、推理能力、并行性和任務(wù)專業(yè)化，但添加反思智能體引入了一個(gè)反饋循環(huán)，使系統(tǒng)能夠隨著時(shí)間的推移學(xué)習(xí)和改進(jìn)。這是利用AI自適應(yīng)潛力的最有效方法之一。

2、如果你正在構(gòu)建一個(gè)簡(jiǎn)單的MVP或原型，可以從工具調(diào)用型智能體入手。這類智能體適用性強(qiáng)、實(shí)現(xiàn)快速，并且已經(jīng)支持記憶和工具。添加一個(gè)模型上下文協(xié)議（MCP）層用于外部API訪問，就可以快速推進(jìn)。

3、如果你的應(yīng)用程序需要多智能體設(shè)置，監(jiān)督者模式通常是最好的起點(diǎn)。其他多智能體模式（如網(wǎng)絡(luò)、層級(jí)和競(jìng)爭(zhēng)）可能有用，但僅適用于特定場(chǎng)景：

• 當(dāng)你希望多個(gè)智能體提出不同解決方案并比較結(jié)果時(shí)，選擇競(jìng)爭(zhēng)模式。

• 當(dāng)任務(wù)復(fù)雜且需要在子監(jiān)督者下跨工作組劃分時(shí)，選擇層級(jí)模式。

下面這個(gè)參考表格，幫助幫助大家快速選擇合理的的架構(gòu)。

全文完

看到這里，如果覺得不錯(cuò)，隨手點(diǎn)個(gè)贊、在看或者轉(zhuǎn)發(fā)吧，也可以給個(gè)星標(biāo)，你的支出就是我的動(dòng)力。

王吉偉頻道新書《一本書讀懂AI Agent：技術(shù)、應(yīng)用與商業(yè)》已出版，輕松讀懂系統(tǒng)掌握AI Agent技術(shù)原理、行業(yè)應(yīng)用、商業(yè)價(jià)值及創(chuàng)業(yè)機(jī)會(huì)，歡迎大家關(guān)注。

感謝大家長(zhǎng)期關(guān)注與支持，小伙伴們隨意留言，王吉偉頻道會(huì)隨機(jī)選取留言用戶，《一本書讀懂AI Agent：技術(shù)、應(yīng)用與商業(yè)》包郵到家。

【文末福利1】：后臺(tái)發(fā)消息研報(bào)2025，獲取十份2025年AI Agent研報(bào)。

【文末福利2】： 后臺(tái)發(fā)消息Workflow，獲取 Agentic Workflow 相關(guān)25篇論文。

【文末福利3】：后 臺(tái)發(fā)消息agentic，獲取Agentic AI相關(guān)資源 。

【文末福利4】：后臺(tái)發(fā)消息RPA Agent，獲取 相關(guān)論文和研報(bào)。

1、

2、

3、

4、

5、

6、

7、

8、

8、

10、

AIGC研究系列文章

C

• 期待點(diǎn)贊、在看、評(píng)論、轉(zhuǎn)發(fā)，您的支持就是我的動(dòng)力。

• 鼓勵(lì)積極評(píng)論，您的留言可以成為選題。

• 歡迎閱讀其他文章，或會(huì)激發(fā)您的更多思考。

點(diǎn)擊左下角“閱讀原文”查看AIGC研究系列文章，掃碼或者后臺(tái)回復(fù)【加群】申請(qǐng)加入AIGC行業(yè)應(yīng)用交流社群。如果你是正在關(guān)注AI Agent的創(chuàng)業(yè)者、投資人及企業(yè)，歡迎帶著產(chǎn)品、項(xiàng)目及需求與王吉偉頻道交流。