Agent的5种级别和7条Anthropic的经验

Agent 的五个级别

Agno 的创始人 Ashpreet Bedi 提出了一个五级框架，为 AI Agent 开发提供清晰路径，从基础工具到高级系统。

• Level 1 - 工具和指令：Agent 使用工具（如网络搜索）并遵循指令，适合基本任务。
• Level 2 - 知识和存储：添加可搜索的知识库和状态存储，使 Agent 更实用。
• Level 3 - 记忆和推理：引入个性化记忆和推理，提升任务成功率。
• Level 4 - 多 Agent 团队：多个专业 Agent 协作，但目前实验性较强。
• Level 5 - Agent 系统：集成到异步处理系统中，适合商业应用，但构建困难。

Anthropic

最近发了一份构建 Agent 的经验：

1. Agent 设计 ≠ 只是提示词 ➜ 不仅仅是设计聪明的提示词，还是关于构建结构化的工作流—— Agent 可以推理、行动、反思、重试并升级。把 Agent 想象成软件组件：无状态的函数是行不通的。 2. 内存是架构 ➜ 你如何管理和传递上下文决定了你的 Agent 有多有用。使用摘要、结构化文件、项目概述和有范围的检索比把完整文件扔进提示上下文中更有效。 3. 规划不是可选项 ➜ 你不能指望一个 Agent 在没有明确流程的情况下解决多步骤问题。像计划 > 执行 > 复审、卡住时使用工具或结构化反思这样的模式是必需的。它们适用于所有模型，而不仅仅是 Claude。 4. 现实世界的 Agent 需要现实世界的工具 ➜ Shell 访问，Git，API，工具插件。真正能完成事情的 Agent 使用工具——不仅仅是语言。设计你的 Agent 来执行，而不仅仅是解释。 5. ReAct 和 CoT 是系统模式，不是魔法技巧 ➜ 不要只是让模型“按步骤思考”。构建强制执行这种结构的系统：行动之前的推理，编写代码之前的规划，提交之前的反馈。 6. 不要把自主性与混乱混淆 ➜ 自主 Agent 可能会迅速造成损害。定义范围、边界、后备行为。受控的自主性 > 随机重试。 7. 真正的价值在于协调 ➜ 一个好的 Agent 不仅仅是 LLM 的包装器。它是一个协调器：协调逻辑、内存、工具和反馈。如果你要扩展到多 Agent 设置 —— 协调是关键。