观点观点 · 大厂教学

Anthropic：怎么构建「有效的」AI Agent

原文 · Anthropic 工程团队（Erik Schluntz、Barry Zhang）

最成功的 Agent 都很简单，复杂框架往往是负担

读原文

导读

这是 Anthropic 工程团队 2024 年底发布的一篇被反复引用的官方长文，几乎成了「怎么搭 Agent」的入门必读。它最反直觉的一句话是：最成功的实现都没用复杂框架，而是用简单、可组合的模式拼出来的。

下面按原文结构做完整精译导读，建议结合上方链接读英文全文。

一、先分清 workflow 和 agent

Anthropic 把「agentic 系统」分成两类。Workflow（工作流）：LLM 和工具按开发者预先写死的代码路径来编排。Agent（智能体）：LLM 自己动态决定流程、自己掌控怎么用工具来完成任务。

这两者不是非黑即白，而是同一条光谱上的不同位置，都属于 agentic 系统。区分它们的意义在于：不同场景该选不同的复杂度。

“Workflows are systems where LLMs and tools are orchestrated through predefined code paths.”

二、什么时候「别」上 Agent

核心原则：先找能解决问题的最简单方案，只有确实需要时才加复杂度。

不该上 agent 的情况：简单任务，单次 LLM 调用配上检索和少量示例就够；对延迟和成本敏感（agent 本质是拿延迟和成本换性能）；要求高度可预测、稳定一致的场景。

怎么选：任务定义清晰、要可预测，用 workflow；需要灵活性和模型自主决策、且要规模化，才用 agent。

“Optimizing single LLM calls with retrieval and in-context examples is usually enough.”

三、框架要不要用

市面框架（Claude Agent SDK、AWS Strands、Rivet、Vellum 等）能简化 LLM 调用、工具定义解析、调用串联这些标准动作。

但它们也多了一层抽象，遮住底层的 prompt 和响应，调试更难，还会诱导你加不必要的复杂度。

建议：直接用 LLM API 起步，很多模式只要几行代码；要用框架，也得吃透它底层在做什么。

“Incorrect assumptions about what’s under the hood are a common source of customer error.”

四、基础积木与五种 workflow 模式

基础积木是「增强版 LLM」：给模型配上检索、工具、记忆，重点是按场景裁剪能力，并给模型清晰、好用、文档完善的接口（如 MCP）。

五种常用 workflow 模式：1）Prompt chaining 提示链，拆成顺序步骤，中间可加程序化「关卡」校验，用延迟换准确度；2）Routing 路由，先分类再分流到专门处理；3）Parallelization 并行，分块并行或多次投票后聚合；4）Orchestrator-workers，中心 LLM 动态拆任务、派给工人、再汇总，子任务不是预设的；5）Evaluator-optimizer，一个生成、一个评估反馈，循环打磨。