高端的食材，往往需要最朴素的烹饪方式

原标题：Anthropic总结智能体年度经验：最成功的≠最复杂的
文章来源：机器之心
内容字数：7936字

AI智能体：让大模型从“能说会道”到“能做会干”

随着AI发展进入后半场，如何将大模型的强大智力转化为实际执行力成为关键。智能体应运而生，它正将AI能力从“能说会道”转变为“能做会干”。Anthropic公司在与多个行业团队合作一年后，总结了构建高效AI智能体的经验，指出简单、可组合的模式往往比复杂框架更有效。

1. 什么是智能体？何时使用智能体？

智能体可以定义为能够思考、自主决策并灵活运用工具完成复杂任务的系统。Anthropic将智能体与工作流区分开来：工作流是预先编排的，而智能体则由LLM动态指导流程和工具使用。在开发AI应用时，应优先考虑简单方案。只有在需要更复杂的系统时，才考虑使用智能体或工作流。工作流适用于明确任务，智能体则适用于需要灵活性和模型驱动决策的大规模场景。

2. 框架的选择与使用

目前有多种框架可用于构建AI智能体，但Anthropic建议开发者从直接使用大模型API开始，许多简单模型只需几行代码即可实现。如果使用框架，务必理解其底层原理，避免引入过度复杂的解决方案，增加调试难度。

3. 构建模块、工作流和智能体

智能系统的基本构建模块是增强型LLM，它具备检索、记忆等功能。Anthropic建议开发者关注定制化和接口的简洁性与完备性。文章还介绍了几种常见的工作流模式：

1. 提示链：将复杂任务拆解为多个步骤，每个步骤调用一次大模型。适用于可清晰拆分成一系列固定子任务的场景。
2. 智能分流：根据任务类型分配给相应的模块。适用于任务具有明显分类特征的场景。
3. 并行：大模型同时处理任务，并聚合输出。适用于子任务可并行执行或需要多角度尝试的场景。
4. 领导-执行者：一个LLM动态分解任务，分派给执行者模型，并汇总结果。适用于难以提前确定步骤的复杂任务。
5. 评估-优化：一个LLM生成响应，另一个提供评估和反馈，形成循环。适用于存在明确评估标准且迭代细化有价值的场景。

智能体则在LLM具备理解复杂输入、进行推理和规划、使用工具以及从错误中恢复等能力后出现。它从人类指令开始，规划和操作，并在必要时向人类索取信息或寻求判断。智能体适用于开放性问题，但需要在沙盒环境中进行广泛测试。

4. 组合与定制

文章强调，成功的关键在于衡量性能并迭代实现，只有在能够明显改善结果的情况下，才应该考虑增加复杂性。在部署智能体时，应保持简单、确保透明度，并通过全面的工具文档和测试精心打造智能体与计算机的交互界面。

联系作者

文章来源：机器之心
作者微信：
作者简介：专业的人工智能媒体和产业服务平台