Agent 设计模式与工作流

一句话定义：Agent 开发有可复用的"套路"——Anthropic 归纳为 5 类工作流模式 + 1 类自主 Agent；选对模式比堆复杂度更重要。

1. 先判断：Workflow 还是 Agent？

这是最容易被忽略的一步。很多"上 Agent"的需求，其实用确定性 Workflow 就够了。

维度	Workflow（工作流）	Agent（智能体）
控制流	代码/图显式固定	LLM 动态决定下一步
可预测性	高，可复现	低，非确定
适用	步骤已知、追求稳定成本	步骤开放、需根据环境决策
成本/延迟	低可控	高且波动
调试	易	难

经验法则（Anthropic）：

能写固定流程解决的，不要用 Agent。
只有当"无法提前预测所需步骤"且"需要与环境反复交互反馈"时，才用自主 Agent。
介于两者之间，用 Workflow 模式（下面 5 种）逐步提升灵活度。

2. 五种 Workflow 模式

2.1 Prompt Chaining（提示链）

把任务拆成固定步骤，每步 LLM 输出作为下一步输入。

输入 → [LLM 步骤1] → 中间结果 → [LLM 步骤2] → ... → 输出

适合：步骤明确、可线性分解（如大纲→草稿→润色）。
关键点：可在中间加程序化检查（格式校验、断言），不通过则停止或回退。

2.2 Routing（路由）

先分类，再分派给不同专用下游（prompt / model / skill）。

输入 → [分类器 LLM] → 路由 → 分支A / 分支B / 分支C

适合：任务类型多样但各自处理简单（客服分流、意图分类）。
关键点：分类器要稳；可用小模型/规则做粗分，LLM 做兜底（见 12-补充概念/03-Skill Router）。

2.3 Parallelization（并行）

同一任务多个副本同时跑，再汇总。

分片（Sectioning）：把大任务拆成独立子任务并行（如多文档分别摘要）。
投票（Voting）：同一任务跑多次取多数/最优（如安全敏感判定多跑几次）。

输入 → ┬ 副本1 ┐
       ├ 副本2 ┼ → [聚合] → 输出
       └ 副本3 ┘

适合：子任务无依赖、或需多角度/鲁棒性。
关联：05-规划与任务分解 的 Map-Reduce 扇出。

2.4 Orchestrator-Worker（编排者-工作者）

一个中枢 LLM 动态分解任务、分派给工作者、汇总结果（动态 DAG，区别于固定的 Prompt Chaining）。

[Orchestrator LLM] ←→ [Worker A]
       ↑   ↓        ←→ [Worker B]
       └─ 汇总 ─┘   ←→ [Worker C]

适合：无法预知子任务集合的复杂任务（如一次改多个相关文件）。
关联：06-多智能体 的 Supervisor 模式。

2.5 Evaluator-Optimizer（评估-优化）

一个 LLM 生成，另一个 LLM 评估反馈，迭代直到达标。

[生成 LLM] → 产物 → [评估 LLM] → 反馈 ─┐
     ↑                                  │
     └──────── 改进 ────────────────────┘ (循环)

适合：有明确评判标准、可迭代收敛（如代码生成+评审、翻译精修）。
本质：把 02-推理范式 的 Reflexion 工程化为固定双角色。

3. 自主 Agent 模式

当任务开放、需与环境交互时，用 ReAct / Plan-and-Execute（见 02、05 模块）的循环。

当前能力的"甜点区"：代码 Agent、研究 Agent、操作浏览器的 Agent。
风险：成本、不可控、难复现——务必配合终止条件、人在环上、预算上限。

4. 模式组合示例

真实系统常是组合：

Routing(分流) → Orchestrator-Worker(处理复杂子任务)
                  ├─ Worker 内含 Prompt Chaining
                  └─ 关键产物经 Evaluator-Optimizer 校验
整体可包在自主 Agent 循环里处理意外分支

5. 选型决策表

你的任务特征	推荐模式
步骤固定、追求稳定	Prompt Chaining
类型多、各简单	Routing
子任务独立、要快/鲁棒	Parallelization
子任务集合无法预知	Orchestrator-Worker
有可迭代的评判标准	Evaluator-Optimizer
步骤开放、需环境反馈	自主 Agent（加护栏）

6. 常见反模式

❌ 简单任务硬上自主 Agent（贵且不稳）。
❌ 用 Agent 做本可 if/else 的分类。
❌ 并行副本无聚合/投票逻辑，结果被覆盖。
❌ Evaluator 与 Generator 用同一提示，互相"放水"。

7. 学习要点

先问"是不是 Workflow 就够了"，再决定上 Agent。
5 种 Workflow 模式覆盖了绝大多数生产场景，且可控、便宜。
模式可组合；自主 Agent 应是"最后的手段"而非默认。

8. 参考资料

Anthropic, "Building Effective Agents"（模式分类源头）
"LLM Powered Autonomous Agents"（Weng, 综述对照）

01-Agent设计模式与工作流