来源： Anthropic， Building effective agents。

原文作者： Erik S.、Barry Zhang。原文首次发布： 2024 年 12 月 19 日。

收藏说明： 本文根据个人保存的本地网页翻译，正文及附录按该版本保留顺序、案例、链接和原图；正文中的“我们”指原作者。原网页包含后续更新的内容，本文保留这些更新。文末“收藏总结”为另行整理，不属于原文。

原文更新说明： 自 2024 年 12 月以来，本文所述的许多工具及其生态已经发生变化。关于我们目前采用的方法，请参阅我们如何构建 Claude Managed Agents 以及 Managed Agents 文档。

过去一年，我们与不同行业中数十个构建大语言模型（LLM）Agent 的团队合作。我们一直观察到，最成功的实现并没有依赖复杂的框架或专用库，而是采用了简单、可组合的模式。

本文将分享我们在与客户合作以及自行构建 Agent 的过程中获得的经验，并为开发者提供构建高效 Agent 的实用建议。

什么是 Agent？

“Agent”有多种定义。一些客户将 Agent 定义为完全自主的系统：它们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词描述约束更明确、遵循预定义工作流的实现。在 Anthropic，我们将这些不同形式统称为 Agent 系统（agentic systems），但在架构上明确区分工作流（workflows）与 Agent：

• 工作流是通过预定义的代码路径来编排 LLM 和工具的系统。
• Agent 则由 LLM 动态决定自己的处理流程和工具使用方式，并掌控如何完成任务。

接下来，我们会详细讨论这两类 Agent 系统。在附录一“Agent 实践”中，我们还会介绍两个领域，客户已经在这些领域中发现了使用这类系统的独特价值。

什么时候使用 Agent，什么时候不使用？

构建基于 LLM 的应用时，我们建议先寻找尽可能简单的解决方案，只有在需要时才增加复杂度。这也可能意味着完全不构建 Agent 系统。Agent 系统往往以更高的延迟和成本换取更好的任务表现，因此需要判断这种取舍在什么情况下才合理。

确实需要更复杂的系统时，工作流能够为定义明确的任务提供可预测性和一致性；而当系统需要灵活性，以及大规模由模型驱动的决策时，Agent 是更好的选择。不过，对于许多应用，通过检索和上下文示例来优化单次 LLM 调用，通常就已经足够。

什么时候以及如何使用框架？

许多框架可以简化 Agent 系统的实现，包括：

• Claude Agent SDK；
• AWS 的 Strands Agents SDK；
• Rivet，一种支持拖拽操作、带图形界面的 LLM 工作流构建工具；
• Vellum，另一种用于构建和测试复杂工作流的图形界面工具。

这些框架简化了调用 LLM、定义和解析工具、串联多次调用等常见底层任务，让开发者更容易入门。不过，它们往往也会引入额外的抽象层，使底层提示词和响应变得不够直观，增加调试难度。它们还可能让开发者在简单方案已经足够时，仍忍不住增加复杂度。

我们建议开发者从直接使用 LLM API 开始：许多模式只需几行代码就能实现。如果确实使用框架，请确保自己理解其底层代码。对内部运行方式作出错误假设，是客户出现问题的常见原因。

一些示例实现可以参阅我们的 cookbook。

基础构件、工作流与 Agent

这一节会介绍我们在生产环境中观察到的常见 Agent 系统模式。我们从最基础的构件——增强型 LLM——开始，逐步增加复杂度，从简单的组合式工作流讲到自主 Agent。

基础构件：增强型 LLM

Agent 系统的基础构件，是通过检索、工具和记忆等能力增强后的 LLM。我们当前的模型可以主动使用这些能力：生成自己的搜索查询、选择合适的工具，并决定保留哪些信息。

增强型 LLM查看原图

在实现时，我们建议重点关注两个方面：根据具体使用场景定制这些能力，并确保它们为 LLM 提供易用、文档清晰的接口。实现这些增强能力的方法很多，其中一种是使用我们近期发布的模型上下文协议（Model Context Protocol，MCP）。通过一个简单的客户端实现，开发者就能接入不断增长的第三方工具生态。

在后续内容中，我们假设每次 LLM 调用都能够使用这些增强能力。

工作流：提示链

提示链将任务拆成一连串步骤，每次 LLM 调用处理上一步的输出。可以在任何中间步骤加入程序化检查——如下图中的“关卡”（gate）——以确保处理过程仍然沿着正确方向推进。

提示链工作流查看原图

什么时候使用： 当任务能够轻松、清楚地拆成固定子任务时，这种工作流非常适合。主要目标是让每次 LLM 调用处理更简单的任务，以增加延迟为代价，换取更高的准确性。

适用示例：

• 生成营销文案，然后将其翻译成另一种语言。
• 先撰写文档提纲，检查提纲是否符合指定标准，再根据提纲撰写正文。

工作流：路由

路由先对输入分类，再将其引导到专门的后续任务。这种工作流可以分离不同关注点，并为各类任务设计更有针对性的提示词。如果不采用这种方式，针对一种输入进行优化，可能反而损害其他输入的处理表现。

路由工作流查看原图

什么时候使用： 对于类别明确、不同类别适合分别处理的复杂任务，如果能够通过 LLM 或更传统的分类模型、算法准确分类，路由通常很有效。

适用示例：

• 将不同类型的客服请求，例如一般问题、退款申请和技术支持，分派到不同的后续流程、提示词和工具。
• 将简单、常见的问题交给更小、更经济的模型，例如 Claude Haiku 4.5；将困难、少见的问题交给能力更强的模型，例如 Claude Sonnet 4.5，从而优化整体表现。

工作流：并行化

LLM 有时可以同时处理一项任务，再由程序汇总它们的输出。这种并行化工作流主要有两种形式：

• 分工（Sectioning）： 将任务拆成彼此独立、可以并行执行的子任务。
• 投票（Voting）： 多次执行同一任务，以获得不同的输出。

并行化工作流查看原图

什么时候使用： 当拆分后的子任务能够通过并行执行提高速度，或需要多个视角、多次尝试来提高结果可信度时，并行化很有效。对于包含多项考量的复杂任务，将每项考量交给单独的 LLM 调用，通常能获得更好的表现，因为每次调用都可以集中关注一个具体方面。

适用示例：

• 分工：
  • 实现安全防护：一个模型实例处理用户查询，另一个模型实例筛查不当内容或请求。这通常比让同一次 LLM 调用兼顾安全防护和主要回答更有效。
  • 自动评测 LLM 表现：针对给定提示词，让不同的 LLM 调用分别评价模型表现的不同方面。
• 投票：
  • 检查代码是否存在漏洞：使用多个不同的提示词审查同一段代码，发现问题时进行标记。
  • 判断内容是否不当：用多个提示词检查不同方面，或设置不同的投票阈值，在误报与漏报之间取得平衡。

工作流：协调者与执行者

在协调者与执行者工作流中，一个中央 LLM 动态拆解任务，将子任务分派给执行者 LLM，再综合它们的结果。

协调者与执行者工作流查看原图

什么时候使用： 这种工作流适合无法预先确定所需子任务的复杂工作。例如在编程中，需要修改多少文件、每个文件要改什么，通常取决于具体任务。它在结构上与并行化相似，但关键区别是灵活性：子任务并非预先定义，而是由协调者根据具体输入决定。

适用示例：

• 每次都需要对多个文件进行复杂修改的编程产品。
• 需要从多个来源收集、分析可能相关信息的搜索任务。

工作流：评估者与优化者

在评估者与优化者工作流中，一次 LLM 调用生成响应，另一次 LLM 调用在循环中提供评价和反馈。

评估者与优化者工作流查看原图

什么时候使用： 当任务有明确的评价标准，而且迭代改进能带来可衡量的价值时，这种工作流特别有效。判断是否适合有两个信号：一是人类给出反馈后，LLM 的响应能够得到明显改善；二是 LLM 本身也能够提供这类反馈。这与人类为了写出完善文稿而反复修改的过程类似。

适用示例：

• 文学翻译：译者 LLM 一开始可能没有捕捉到某些细微含义，而评估者 LLM 能提供有帮助的批评意见。
• 复杂搜索：需要多轮检索和分析才能获得全面信息，由评估者决定是否还需要继续搜索。

Agent

随着 LLM 在理解复杂输入、推理与规划、可靠使用工具以及从错误中恢复等关键能力上逐渐成熟，Agent 开始进入生产环境。Agent 的工作从用户的一条指令，或与用户的一轮交互讨论开始。任务明确后，Agent 独立规划并执行，必要时可能再次向用户获取信息或判断。

执行过程中，Agent 必须在每一步从环境中获得“真实反馈”（ground truth），例如工具调用结果或代码执行结果，以评估自己的进展。Agent 可以在检查点或遇到阻碍时暂停，等待人类反馈。任务通常在完成后结束，但为了保持可控，也常会设置停止条件，例如最大迭代次数。

Agent 能够处理复杂任务，但实现往往并不复杂。它们通常就是在一个循环中，根据环境反馈使用工具的 LLM。因此，工具集及其文档必须设计得清晰、周到。我们会在附录二“为工具设计提示”中进一步讨论工具开发的最佳实践。

自主 Agent查看原图

什么时候使用： Agent 适合开放式问题：所需步骤的数量难以甚至无法预先确定，也无法用代码写死一条固定路径。LLM 可能需要运行很多轮，因此必须在一定程度上信任它的决策能力。Agent 的自主性使它们很适合在可信环境中扩展任务执行。

Agent 的自主性也意味着更高的成本，以及错误可能逐步累积。我们建议在沙箱环境中开展充分测试，并配合适当的安全防护。

适用示例：

以下例子来自我们自己的实现：

• 用于解决 SWE-bench 任务的编码 Agent：根据任务描述修改多个文件。
• 我们的 computer use 参考实现：Claude 使用计算机来完成任务。

编码 Agent 的高层流程查看原图

组合与定制这些模式

这些基础构件并不是强制规则，而是常见模式，开发者可以根据不同使用场景调整和组合。与任何 LLM 功能一样，成功的关键在于衡量实际表现，并持续迭代实现。再次强调，只有当增加复杂度能够明显改善结果时，才应该这样做。

总结

在 LLM 领域取得成功，不在于构建最复杂的系统，而在于构建适合自身需求的系统。从简单的提示词开始，通过全面评估不断优化，只有在简单方案无法满足要求时，再增加多步骤的 Agent 系统。

实现 Agent 时，我们尽量遵循三个核心原则：

1. 保持 Agent 设计的简单性。
2. 通过明确展示 Agent 的规划步骤，优先保证透明性。
3. 通过完善的工具文档和测试，认真设计 Agent 与计算机之间的接口（Agent-Computer Interface，ACI）。

框架可以帮助你快速入门，但进入生产环境时，不必犹豫去减少抽象层，转而使用基础组件构建。遵循这些原则，可以创建出既强大，又可靠、易维护、值得用户信赖的 Agent。

附录一：Agent 实践

我们与客户的合作揭示了两类特别有前景的 Agent 应用，展示了上述模式的实际价值。这两类应用都说明，在任务同时需要对话与行动、成功标准明确、能够形成反馈循环，并且有人类实质参与监督时，Agent 能带来最大的价值。

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获得的增强能力结合起来。它天然适合处理更开放式任务的 Agent，原因包括：

• 客服交互本身就按对话流程展开，同时又需要访问外部信息并执行操作。
• 可以集成工具，获取客户数据、订单历史和知识库文章。
• 退款、更新工单等操作可以通过程序完成。
• 可以根据用户定义的问题解决标准，清楚地衡量是否成功。

一些公司已经采用按使用量计费、只对成功解决的问题收费的定价方式，展示了这种方法的可行性，也表明它们对自家 Agent 的效果有信心。

B. 编码 Agent

软件开发领域已经展现出 LLM 功能的巨大潜力，其能力正从代码补全发展到自主解决问题。Agent 在这个领域尤其有效，原因包括：

• 代码方案可以通过自动化测试验证。
• Agent 可以根据测试结果反馈，迭代改进方案。
• 问题空间定义清楚、结构明确。
• 输出质量能够客观衡量。

在我们自己的实现中，Agent 现在只根据拉取请求的描述，就能解决 SWE-bench Verified 基准中的真实 GitHub issue。不过，虽然自动化测试有助于验证功能，人工审查仍然至关重要，以确保方案符合更广泛的系统要求。

附录二：为工具设计提示

无论构建哪种 Agent 系统，工具很可能都是其中的重要部分。通过在我们的 API 中指定确切的结构和定义，工具让 Claude 能够与外部服务和 API 交互。如果 Claude 计划调用某个工具，它的 API 响应中就会包含一个 tool use 块。工具定义和规范应当得到与整体提示词同等程度的提示工程投入。

在这个简短附录中，我们介绍如何为工具设计提示。

同一个动作往往可以有不同的表达方式。例如，可以用 diff 表示文件修改，也可以重写整个文件；对于结构化输出，可以把代码放在 Markdown 中，也可以放进 JSON。在软件工程中，这些差别通常只是表现形式不同，可以相互无损转换。然而，对于 LLM，有些格式写起来要困难得多。

写 diff 时，在新代码尚未写出之前，就得先知道块头中应该声明多少行变更。把代码写进 JSON 而不是 Markdown，则需要额外转义换行符和引号。

对于工具格式的选择，我们有以下建议：

• 在模型输出走入难以回头的局面之前，给它足够的 token 来“思考”。
• 格式尽量贴近模型在互联网自然文本中见过的形式。
• 确保没有额外的格式负担，例如必须准确计算数千行代码的行数，或对自己写出的代码进行字符串转义。

一个经验原则是，想一想人机界面（Human-Computer Interface，HCI）通常投入多少精力，就计划在 Agent 与计算机的接口（ACI）上投入同样的精力。以下是一些具体建议：

• 设身处地站在模型的角度。 根据工具描述和参数，应该怎样使用它，是否一目了然？还是需要仔细琢磨？如果你也需要思考，模型很可能同样如此。一个好的工具定义，通常包含使用示例、边界情况、输入格式要求，以及与其他工具的明确分工。
• 怎样调整参数名称和描述，才能更清楚？ 可以把这件事想象成给团队中的初级开发者编写一段高质量的文档字符串。当工具数量多、功能相近时，这一点尤其重要。
• 测试模型怎样使用工具。 在我们的 workbench 中运行大量输入示例，观察模型会犯什么错误，再据此迭代。
• 为工具做好防错设计（Poka-yoke）。 调整参数，让错误更难发生。

在构建用于 SWE-bench 的 Agent 时，我们实际花在优化工具上的时间，比优化整体提示词更多。例如，我们发现模型离开根目录之后，使用相对文件路径的工具就容易出错。为了解决这个问题，我们把工具改成始终要求绝对路径，结果模型就能准确无误地使用这种方式。

作者与致谢

致谢

本文由 Erik S. 和 Barry Zhang 撰写。文章基于我们在 Anthropic 构建 Agent 的经验，以及客户慷慨分享的宝贵见解，对此我们深表感谢。

---

收藏总结（另行整理，非原文）

这篇文章把 Agent 系统的组织方式分成了几类清楚的模式。固定路径适合用工作流表达，动态判断留给模型；复杂度的增加，需要由实际任务效果来支持。

几种模式也各有明确的作用：提示链提供阶段检查，路由选择处理路径，并行处理独立工作，协调者组织动态子任务，评估者提供可操作的改进反馈。自主 Agent 则围绕环境中的真实结果持续行动，同时保留停止条件和人工介入位置。

工具设计是贯穿全文的重点。模型能否正确执行，不仅取决于提示词，还取决于参数表达、返回内容、文档和错误处理。客服和编码案例之所以容易形成反馈，是因为操作结果、问题是否解决、测试是否通过，都有具体的观察依据。

作为一份个人收藏，这篇文章适合在设计方案时反复对照：当前任务是否真的需要动态规划，增加的每一层是否承担了明确职责，以及系统的实际结果是否支持这些选择。