Anthropic官方最新文章丨Agent深度洞解！

Anthropic（Claude 公司）最新的文章中，发布了一篇关于 Agent 的博客，该文章中给出了 Agent 的定义，以及我们在构建 Agent 时应该遵循的3个原则，还有一系列值得我们思考内容。

文章稍长，我们先看总结，后面有原文翻译。

01 Anthropic 对 Agent 的定义

Agent 是一种代理系统，其中大语言模型 (LLM) 可以动态地指导自己的流程和工具使用，并控制如何完成任务，而不是 LLM 简单的衍生物。

Agent 系统分为两种：工作流和智能体。

1. 工作流

工作流是通过预定义的代码路径协调 LLM 和工具的系统。说白了就是，工作流的流程是固定的，LLM 和工具的使用方式也是预先设定好的，工作流适用于定义明确的任务，因为它提供了可预测性和一致性。

以下是一些工作流的例子：

1. 提示链：将任务分解成一系列步骤，每个 LLM 调用处理前一个步骤的输出。

2. 路由：将输入分类并将其引导到专门的后续任务。

3. 并行化：LLM 可以同时处理任务，并以编程方式汇总其输出。

4. 协调器-工作者：中央 LLM 动态分解任务，将它们委托给工作 LLM，并综合它们的结果。

5. 评估器-优化器：一个 LLM 调用生成响应，而另一个 LLM 则在循环中提供评估和反馈。

2. 智能体

智能体是 LLM 动态地指导自己的流程和工具使用，并控制如何完成任务的系统，相比之下，智能体比工作流更灵活，更自主。智能体适用于需要灵活性和模型驱动决策的任务，因为它们可以根据情况调整自己的行为。

智能体通常从用户那里接收命令或进行交互式讨论，以明确任务。然后，智能体会独立地计划和操作，可能会返回给用户以获取更多信息或判断。在执行过程中，智能体会从环境中获取“真实情况” (例如工具调用结果或代码执行) 来评估其进度。智能体可以在检查点或遇到障碍时暂停以获得人工反馈。

也就是说，工作流更偏向于我们有明确、规范、标准的任务，处理任务的整个工作流程是固定的，我们通过编排执行该任务的工作流以及执行任务时所需要的用到的插件等工具，跟现在的扣子、文心智能体平台搭建的智能体差不多，都是为了解决一些可标准化任务。

而这里定义的智能体，需要具备自主能力，智能体接收到的任务没有标准化的工作流来执行，需要与用户进行交互，并且能够灵活调整并执行。

02 什么时候应该使用智能体

一般情况下，我们都是采取怎么简单怎么来的方法，只有当简单解决方案不足以满足需求时，我们才应考虑使用更复杂的智能体系统。但是，智能体系统通常会为了得到更好更高的任务性能，而产生更高的延迟和成本。

如果需要进行深度开发时，开发人员应该首选直接使用 LLM API，如果需要使用框架时，必须深入理解底层代码，框架可以简化任务，但也会因为我们对很多底层的代码不够了解而适得其反，这也是为什么应该首选使用 API 的原因。

03 在构建 Agent 时，

Anthropic 建议遵循三个核心原则

1. 保持简单性:  智能体设计应该尽可能简单， 复杂的设计会导致难以理解、调试和维护的智能体。简单性原则建议开发者从简单的提示开始，仅在必要时才增加复杂性。

为了实现简单性，开发者应该避免使用不必要的复杂框架或库。Anthropic 建议直接使用 LLM API，因为许多模式可以用几行代码实现。如果使用框架，开发者必须确保理解底层代码。对底层代码的错误假设是我们出现错误的常见来源。

2. 优先考虑透明度:  智能体的计划步骤应该明确显示出来。这有助于用户理解智能体是如何工作的，并建立对智能体的信任。透明度可以通过记录智能体的决策过程、使用可解释的模型和提供清晰的文档来实现。

透明度对于建立用户对智能体的信任至关重要。通过清楚地展示智能体的规划步骤，用户可以理解智能体是如何做出决策的。Anthropic 强调透明度可以通过记录智能体的决策过程、使用可解释的模型和提供清晰的文档来实现。

3. 精心设计智能体-计算机接口 (ACI):  智能体与计算机交互的方式应该经过仔细设计和测试。ACI 应该易于使用、可靠且健壮。这可以通过使用清晰的工具文档、测试各种输入和场景以及使用错误处理机制来实现。

ACI 是指智能体与计算机系统交互的方式。为了确保 ACI 的有效性，开发者需要投入与人类-计算机接口 (HCI) 同样的努力。这包括从模型的角度思考工具的易用性，使用清晰的参数名称和描述，在各种输入上测试模型，以及设计防错工具。Anthropic 建议开发者在构建智能体时，应将大部分时间花在优化工具上。

遵循以上三个原则，是为了创建强大、可靠、可维护且用户信赖的智能体。

总结

Agent 是一个系统，该系统包括两类，工作流和智能体，而像扣子这样搭出来的智能体，应该算是工作流。

在我们的生产环境中，并不是越复杂的系统越好，而是应该根据我们的应用场景构建最合适的 Agent 系统。

下面文原文纯享版，整理不易，感谢您的一键三连。

原文链接：

https://www.anthropic.com/research/building-effective-agents

《Building effective agents》

2024年12月20日

在过去的一年里，我们与数十个团队合作，这些团队在不同行业构建大语言模型（LLM）智能体。成功的案例往往并非依赖复杂的框架或专门的库，而是采用简单、可组合的模式。

在本文中，我们将分享从客户合作和自身构建智能体过程中所获得的经验，并为开发者提供构建高效智能体的实用建议。

什么是智能体？

智能体可以有多种定义方式。一些客户将其定义为完全自主的系统，能够在较长时间内独立运行，使用各种工具完成复杂任务。另一些客户则用这个术语描述遵循预定义工作流程的规范性更强的实现方式。在 Anthropic，我们将所有这些变体归类为智能体系统，但在工作流程和智能体之间做出了重要的架构区分：

• 工作流程是通过预定义代码路径编排大语言模型和工具的系统。

• 而智能体是大语言模型动态指导自身流程和工具使用的系统，能够自主控制任务的完成方式。

下面，我们将详细探讨这两种类型的代理系统。在附录 1（“代理实践”）中，我们描述了客户发现使用这类系统特别有价值的两个领域。

何时（以及何时不）使用智能体

在使用大语言模型构建应用程序时，我们建议尽可能寻找最简单的解决方案，仅在必要时增加复杂性。这可能意味着根本不构建智能体系统。智能体系统通常会在延迟和成本上进行权衡，以换取更好的任务性能，您应该考虑这种权衡在何时是合理的。

当需要更高的复杂性时，工作流程可为明确定义的任务提供可预测性和一致性，而当需要大规模的灵活性和模型驱动决策时，智能体则是更好的选择。然而，对于许多应用程序而言，通过检索和上下文示例优化单个大语言模型调用通常就足够了。

何时以及如何使用框架

有许多框架可以简化智能体系统的实现，包括：

• LangChain 的 LangGraph；

• Amazon Bedrock 的 AI 智能体框架；

• Rivet，一个拖放式图形用户界面大语言模型工作流程构建器；

• Vellum，另一个用于构建和测试复杂工作流程的图形用户界面工具。

这些框架通过简化标准低级任务（如调用大语言模型、定义和解析工具以及链接调用），使其易于上手。然而，它们通常会创建额外的抽象层，可能会掩盖底层的提示和响应，从而使调试更加困难。它们还可能诱使开发者在简单设置就足够的情况下增加复杂性。

我们建议开发者首先直接使用大语言模型 API：许多模式可以通过几行代码实现。如果您确实使用框架，请确保理解底层代码。对底层实现的错误假设是客户常见错误的来源。

构建模块、工作流程和智能体

在本节中，我们将探讨在生产中常见的智能体系统模式。我们将从基础构建模块 —— 增强型大语言模型开始，逐步增加复杂性，从简单的组合工作流程到自主智能体。

构建模块：增强型大语言模型

智能体系统的基本构建模块是通过检索、工具和内存等增强功能增强的大语言模型。我们当前的模型可以主动使用这些功能 —— 生成自己的搜索查询、选择合适的工具以及确定要保留的信息。

增强型大语言模型

我们建议在实现过程中关注两个关键方面：根据特定用例定制这些功能，并确保为大语言模型提供一个简单、文档完善的接口。虽然有许多方法可以实现这些增强功能，但一种方法是通过我们最近发布的模型上下文协议，该协议允许开发者通过简单的客户端实现与不断增长的第三方工具生态系统集成。

在本文的其余部分，我们将假设每个大语言模型调用都可以访问这些增强功能。

工作流程：提示链

提示链将任务分解为一系列步骤，每个大语言模型调用处理前一个步骤的输出。您可以在任何中间步骤添加编程检查（见下图中的 “门”），以确保过程仍在正轨上。

提示链工作流程

何时使用此工作流程：当任务可以轻松、清晰地分解为固定子任务时，此工作流程非常理想。主要目标是通过使每个大语言模型调用的任务更简单，来在延迟和准确性之间进行权衡。

提示链有用的示例：

• 生成营销文案，然后将其翻译成不同语言。

• 编写文档大纲，检查大纲是否符合某些标准，然后根据大纲编写文档。

工作流程：路由

路由对输入进行分类，并将其定向到专门的后续任务。此工作流程允许关注点分离，并构建更专门的提示。如果没有此工作流程，针对一种输入进行优化可能会损害其他输入的性能。

路由工作流程

何时使用此工作流程：路由适用于复杂任务，其中存在不同类别，最好分别处理，并且分类可以由大语言模型或更传统的分类模型 / 算法准确处理。

路由有用的示例：

• 将不同类型的客户服务查询（一般问题、退款请求、技术支持）引导到不同的下游流程、提示和工具中。

• 将简单 / 常见问题路由到较小的模型（如 Claude 3.5 Haiku），将困难 / 不寻常问题路由到更强大的模型（如 Claude 3.5 Sonnet），以优化成本和速度。

工作流程：并行化

大语言模型有时可以同时处理任务，并通过编程方式聚合它们的输出。这种工作流程，即并行化，主要有两种变体：

• 分区：将任务分解为并行运行的独立子任务。

• 投票：多次运行同一任务以获得不同的输出。

并行化工作流程

何时使用此工作流程：当分割的子任务可以并行化以提高速度，或者需要多个视角或尝试以获得更高置信度的结果时，并行化非常有效。对于具有多个考虑因素的复杂任务，当每个考虑因素由单独的大语言模型调用处理时，大语言模型通常表现更好，从而可以专注于每个特定方面。

并行化有用的示例：

1、切片：

• 实施防护栏，其中一个模型实例处理用户查询，另一个模型实例筛选查询中的不当内容或请求。这通常比让同一个大语言模型调用同时处理防护栏和核心响应效果更好。

• 自动化评估大语言模型性能，其中每个大语言模型调用评估模型在给定提示上的不同性能方面。

2、投票：

• 审查一段代码的漏洞，其中几个不同的提示会审查代码并在发现问题时标记它。

• 评估给定内容是否不当，多个提示评估不同方面或需要不同的投票阈值以平衡误报和漏报。

工作流程：协调器 - 工作者

在协调器 - 工作者工作流程中，中央大语言模型动态分解任务，将其委托给工作者大语言模型，并合成它们的结果。

协调器 - 工作者工作流程

何时使用此工作流程：此工作流程非常适合复杂任务，其中您无法预测所需的子任务（例如在编码中，需要更改的文件数量和每个文件中的更改性质可能取决于任务）。虽然它在拓扑上类似，但与并行化的关键区别在于其灵活性 —— 子任务不是预定义的，而是由协调器根据特定输入确定的。

协调器 - 工作者有用的示例：

• 每次对多个文件进行复杂更改的编码产品。

• 涉及从多个来源收集和分析信息以获取可能相关信息的搜索任务。

工作流程：评估器 - 优化器

在评估器 - 优化器工作流程中，一个大语言模型调用生成响应，而另一个在循环中提供评估和反馈。

评估器 - 优化器工作流程

何时使用此工作流程：当我们有明确的评估标准，并且迭代改进提供可衡量的价值时，此工作流程特别有效。良好匹配的两个标志是，首先，当人类明确表达反馈时，大语言模型响应可以明显改进；其次，大语言模型可以提供这样的反馈。这类似于人类作家在撰写精炼文档时可能经历的迭代写作过程。

评估器 - 优化器有用的示例：

• 文学翻译，其中翻译大语言模型最初可能无法捕捉到细微差别，但评估大语言模型可以提供有用的批评。

• 复杂搜索任务，需要多轮搜索和分析以收集全面信息，评估器决定是否需要进一步搜索。

智能体

随着大语言模型在关键能力（理解复杂输入、进行推理和规划、可靠地使用工具以及从错误中恢复）方面的成熟，智能体在生产中逐渐崭露头角。智能体从人类用户的命令或交互式讨论开始工作。一旦任务明确，智能体就会独立规划和操作，可能会返回给人类获取进一步信息或判断。在执行过程中，智能体在每个步骤（如工具调用结果或代码执行）从环境中获取 “真实情况” 以评估其进度至关重要。然后，智能体可以在检查点或遇到障碍时暂停以获取人类反馈。任务通常在完成时终止，但通常也包括停止条件（如最大迭代次数）以保持控制。

智能体可以处理复杂任务，但其实现通常很直接。它们通常只是大语言模型在循环中根据环境反馈使用工具。因此，清晰、周到地设计工具集及其文档至关重要。我们在附录 2（“工具的提示工程”）中详细阐述了工具开发的最佳实践。

自主智能体

何时使用智能体：智能体可用于开放式问题，这些问题难以或无法预测所需步骤数量，并且无法硬编码固定路径。大语言模型可能会运行多个回合，并且您必须对其决策有一定程度的信任。智能体的自主性使其非常适合在可信环境中扩展任务。

智能体的自主性质意味着更高的成本，以及可能出现复合错误的风险。我们建议在沙盒环境中进行广泛测试，并设置适当的防护栏。

智能体有用的示例：

以下示例来自我们自己的实现：

• 一个编码智能体，用于解决 SWE-bench 任务，该任务涉及根据任务描述编辑多个文件；

• 我们的 “计算机使用” 参考实现，其中 Claude 使用计算机完成任务。

编码智能体的高级流程

组合和自定义这些模式

这些构建模块不是规定性的。它们是常见模式，开发者可以根据不同用例进行塑造和组合。与任何大语言模型功能一样，成功的关键是衡量性能并对实现进行迭代。再次强调：只有在明显改善结果时才应考虑增加复杂性。

概括

在大语言模型领域取得成功并不在于构建最复杂的系统，而在于构建满足您需求的正确系统。从简单提示开始，通过全面评估进行优化，仅在简单解决方案不足时添加多步骤智能体系统。

在实现智能体时，我们尝试遵循三个核心原则：

1. 保持智能体设计的简单性。

2. 通过明确显示智能体的规划步骤优先考虑透明度。

3. 通过彻底的工具文档和测试精心设计智能体 - 计算机接口（ACI）。

框架可以帮助您快速上手，但在进入生产阶段时，不要犹豫减少抽象层并使用基本组件进行构建。遵循这些原则，您可以创建不仅功能强大，而且可靠、可维护且受用户信任的智能体。

致谢

本文由 Erik Schluntz 和 Barry Zhang 撰写。这项工作借鉴了我们在 Anthropic 构建智能体的经验以及客户分享的宝贵见解，对此我们深表感谢。

附录 1：实际应用中的智能体

我们与客户的合作揭示了人工智能智能体的两个特别有前景的应用，展示了上述模式的实际价值。这两个应用都说明了智能体在需要对话和行动、有明确成功标准、启用反馈循环以及集成有意义的人类监督的任务中如何发挥最大价值。

A. 客户支持

客户支持将熟悉的聊天机器人界面与通过工具集成增强的功能相结合。这对于更开放式的智能体来说是一个自然的选择，因为：

• 支持交互自然遵循对话流程，同时需要访问外部信息和操作；

• 可以集成工具来拉取客户数据、订单历史和知识库文章；

• 可以通过编程方式处理诸如退款或更新工单等操作；并且

• 可以通过用户定义的解决方案明确衡量成功。

多家公司通过基于使用量的定价模型展示了这种方法的可行性，该模型仅对成功解决的问题收费，显示了对其智能体有效性的信心。

B. 编码智能体

软件开发领域已经展示了大语言模型功能的巨大潜力，其能力从代码完成发展到自主问题解决。智能体特别有效，因为：

• 代码解决方案可以通过自动化测试进行验证；

• 智能体可以使用测试结果作为反馈来迭代解决方案；

• 问题空间定义明确且结构化；

• 输出质量可以客观衡量。

在我们自己的实现中，智能体现在可以仅根据拉取请求描述解决 SWE-bench 验证基准中的实际 GitHub 问题。然而，尽管自动化测试有助于验证功能，但人类审查对于确保解决方案符合更广泛的系统要求仍然至关重要。

附录 2：工具的提示工程

无论您正在构建哪种智能体系统，工具都可能是智能体的重要组成部分。工具使 Claude 能够通过在我们的 API 中指定其确切结构和定义来与外部服务和 API 进行交互。当 Claude 响应时，如果它计划调用工具，它将在 API 响应中包含一个工具使用块。工具定义和规范应与您的整体提示一样受到提示工程的关注。在这个简短的附录中，我们将描述如何对工具进行提示工程。

通常有几种方法可以指定相同的操作。例如，您可以通过编写差异（diff）或重写整个文件来指定文件编辑。对于结构化输出，您可以在 Markdown 或 JSON 中返回代码。在软件工程中，这些差异通常是表面的，可以无损地从一种格式转换为另一种格式。然而，有些格式对大语言模型来说比其他格式更难编写。编写差异需要在编写新代码之前知道块头中有多少行正在更改。在 JSON（与 Markdown 相比）中编写代码需要对换行符和引号进行额外的转义。

我们对决定工具格式的建议如下：

• 在模型将自己逼入绝境之前，给它足够的标记来 “思考”。

• 保持格式接近模型在互联网文本中自然看到的格式。

• 确保没有格式 “开销”，例如不必精确计算数千行代码，或对其编写的任何代码进行字符串转义。

一个经验法则是考虑人机界面（HCI）需要多少努力，并计划在创建良好的智能体 - 计算机界面（ACI）上投入同样多的努力。以下是一些关于如何做到这一点的想法：

• 设身处地为模型着想。根据描述和参数，使用这个工具是否显而易见，还是您需要仔细考虑？如果是这样，那么对模型来说可能也是如此。一个好的工具定义通常包括示例用法、边缘情况、输入格式要求以及与其他工具的明确界限。

• 如何更改参数名称或描述以使事情更明显？将此视为为团队中的初级开发人员编写出色的文档字符串。在使用许多类似工具时，这一点尤其重要。

• 测试模型如何使用您的工具：在我们的工作台中运行许多示例输入，看看模型会犯什么错误，然后进行迭代。

• 防错您的工具。更改参数，使其更难出错。

在构建用于 SWE-bench 的智能体时，我们实际上花费更多时间优化工具而不是整体提示。例如，我们发现，在智能体移出根目录后，模型在使用相对文件路径的工具时会出错。为了解决这个问题，我们将工具更改为始终要求绝对文件路径 —— 并且我们发现模型完美地使用了这种方法。