高级智能体 AI 设计模式

议程笔记

本场活动介绍了从生成式 AI 助手到自主智能体 AI 系统的演进，涵盖反思、工具使用、规划和多智能体协作四种核心设计模式，并演示了开源 Strands Agents SDK 如何支持智能体开发。

向智能体 AI 演进

生成式 AI 助手：

遵循一组明确的规则。
自动执行重复性任务。
模仿人类逻辑和推理的某些方面。

生成式 AI 智能体：

通过推理和行动实现特定目标。
与基于规则的助手相比，可以处理更广泛的任务。
能够与工具及其环境交互。

智能体 AI 系统：

具有更高程度的自主性。
协调推理、规划、工具、记忆和行动。
可以自动完成整个工作流，而不仅仅是单个任务。

什么是 AI 智能体？

AI 智能体是一种自主软件系统，使用人工智能（尤其是大语言模型）代表人员或其他系统进行推理、规划并完成任务。
智能体观察环境、朝目标推进、选择行动，并在需要时使用工具。
记忆提供以往观察和交互的上下文。
工具将智能体连接到外部能力。
行动使智能体能够影响或查询其环境。

智能体 AI 的核心设计模式

反思：

使 AI 系统能够评估自身的输出、决策和推理。
帮助识别错误和不一致之处。
生成改进建议。
支持通过多个周期进行迭代优化。

工具使用：

将智能体的能力扩展到语言生成之外。
将智能体连接到 API、数据库、计算器、搜索系统和图像处理服务。
支持与外部系统进行动态交互。
支持数据检索、计算和系统操作等任务。

规划：

将复杂目标拆分为可管理的子任务。
将各个步骤组织成结构化策略。
按顺序执行任务，同时监控进度。
在新信息或故障要求调整时修订计划。

多智能体协作：

将复杂问题分解给多个智能体。
为每个智能体分配专门的角色或能力。
允许智能体交换信息并共享中间结果。
将各自的输出整合为最终结果。

模式 1：反思

自我评估：

模型审查自己的响应或拟采取的行动。

错误识别：

模型查找事实错误、遗漏、矛盾和薄弱之处。

改进建议：

模型提出改进结果的具体修改建议。

迭代改进：

系统重复执行评估和修订，直至得到可接受的结果或达到配置的上限。

反思可以提高质量，但每次迭代都会增加延迟和模型成本。因此，应用应定义停止条件并避免无界循环。

模式 2：工具使用

利用外部资源：

智能体可以调用 API、查询数据库、检索文档或调用其他软件。

扩展能力：

工具可执行语言模型自身无法可靠完成的精确计算和操作。

动态交互：

智能体根据当前任务选择工具，并使用工具返回的结果确定下一步。

典型应用：

检索最新数据或私有数据。
执行计算。
处理图像或文件。
创建工单或更新业务系统。
执行受控的基础设施操作。

智能体生成的工具输入不可信，因此必须通过验证、授权和最小权限来限制工具访问。

模式 3：规划

任务分解：

将复杂目标拆分为更小、可独立执行的任务。

战略性组织：

确定依赖关系，并按有效顺序安排任务。

高效执行：

按计划执行，并监控完成情况和故障。

灵活调整：

当工具失败、假设发生变化或出现新信息时重新规划。

对于需要多种工具、存在依赖关系或无法通过模型单次响应可靠完成的任务，规划尤其有用。

模式 4：多智能体协作

任务划分：

将问题拆分为可委派的工作。

专业分工：

为每个智能体指定明确的角色，例如研究员、分析师、开发人员或审查人员。

协作：

允许智能体交换上下文和中间发现。

结果整合：

在生成最终答案之前，合并并协调各项输出。

多智能体系统可以改善专业分工和并行处理，但也会带来协调成本、重复工作和额外的故障模式。只有当角色分离能带来明确价值时，才应使用多智能体系统。

Strands Agents

Strands Agents 是一个开源 Python SDK，只需少量代码即可构建 AI 智能体。
它采用模型驱动的方法构建和运行智能体。
它可以从对话式助手扩展到自主的多步骤工作流。
它支持本地开发和生产部署。

轻量且灵活：

提供简单、可自定义的智能体循环。

与模型无关：

支持 Amazon Bedrock、Anthropic、Ollama 和自定义模型提供商。

高级能力：

支持多智能体系统、自主智能体和流式传输。

内置模型上下文协议支持：

提供与 MCP 服务器的原生集成。
允许智能体发现并使用通过 MCP 公开的外部工具。

智能体循环

使用目标、上下文、可用工具和观察结果调用模型。
接收模型响应、推理结果和工具选择。
让智能体决定是否需要执行其他操作。
使用经过验证的输入执行所选工具。
将工具结果作为新的观察返回给模型。
重复上述过程，直至任务完成或达到停止条件。
生成最终响应。

该循环支持复杂的多步骤推理和行动。生产环境中的实现还应限制迭代次数、执行时间、权限和支出。

设计注意事项

当对输出进行评议和修订能够提高质量时，使用反思。
当任务需要最新数据、确定性计算或外部操作时，使用工具。
当目标包含多个相互依赖的步骤时，使用规划。
当专业分工或并行工作的收益超过协调开销时，使用多个智能体。
在系统边界验证所有工具输入和输出。
为每个工具和智能体角色应用最小权限访问。
记录工具调用和状态转换，以便进行可观测性监控和审计。
添加超时、重试次数限制和明确的终止条件。
对敏感或不可逆的操作保留人工审批步骤。

要点总结

智能体 AI 结合了模型、记忆、目标、工具、行动和环境反馈。
反思、工具使用、规划和多智能体协作是构建高能力智能体的可复用模式。
每种模式解决不同的问题，也会带来各自的成本和运维复杂性。
Strands Agents 提供轻量、与模型无关的 SDK，支持多智能体工作流和 MCP 工具。
除模型推理外，可靠的智能体系统还需要防护机制、有界执行、可观测性和受控的工具权限。