Anthropic公司发布最新AI智能体年度总结核心要点与趋势

2025年将成为Agentic系统的关键元年。各项基础设施已逐步到位：Computer Use、MCP（模型上下文协议）以及增强的工具使用能力。现在是时候着手规划并构建这类系统了。

Anthropic梳理了2024年的多个成功实践，并分享了“如何打造高效能智能体（Building effective agents）”的核心思路：

什么是智能体（Agents）？

在过去一年中，Anthropic与数十个来自不同行业的团队共同打磨LLM智能体。有趣的是，那些最出色的方案并非依赖复杂的框架或专用库——恰恰相反，它们都采用了简洁、可组合的设计模式。

“Agent”一词的定义千差万别。部分客户认为Agent是完全自主的系统，能长时间独立运行，借助各种工具完成复杂任务；另一些则用它指代遵循固定工作流程的规范化实现。在Anthropic看来，所有这些变体都属于Agent系统，但需要在工作流程与Agent之间划出一条关键的架构分界线：

• 工作流：通过预先编写的代码路径来协调LLM和工具的系统。
• Agent：由LLM动态引导自身流程与工具使用，从而保持对任务执行方式控制权的系统。

何时（以及何时不应）使用Agent

利用LLM构建应用时，建议优先选取最简单的方案，只在迫不得已时才增加复杂度。这意味着很多场景根本不需要Agent系统——Agent通常会以更高的延迟和成本换取更好的任务性能，是否值得需要仔细权衡。

当确实需要更多复杂功能时，工作流能为明确的任务提供可预测性和一致性；而当需要大规模灵活性和模型驱动的决策时，Agent才是更优选择。不过话说回来，对许多应用而言，仅通过检索和上下文示例优化单个LLM调用往往就已足够。

何时以及如何使用框架

市面上已有不少框架能让Agent系统的实现更便捷，例如：

• LangChain的LangGraph
• Amazon Bedrock的AI Agent框架
• Rivet——一款拖放式GUI LLM工作流构建器
• Vellum——另一个用于构建和测试复杂工作流的GUI工具

这些框架简化了调用LLM、定义和解析工具、链接调用等常见低级任务，降低了上手门槛。但它们也往往引入额外的抽象层，掩盖了底层提示和响应，使调试变得更加棘手。更糟糕的是，在简单设置即可满足需求的情况下，它们容易诱使开发者过度复杂化。

建议开发人员直接使用LLM API——许多模式只需几行代码即可实现。若确需使用框架，请确保彻底理解底层代码。对底层逻辑的错误假设，是客户遇到问题的常见原因。

构建块、工作流与Agent

本节将介绍在生产环境中观察到的Agent系统的常见模式。先从基础构建块（增强型LLM）开始，再逐步增加复杂度，从简单的组合工作流一直谈到自主Agent。

构建模块：增强型 LLM

Agent系统的基本构建块就是LLM，但通过检索、工具和记忆等能力得到了增强。当前模型已能主动运用这些功能——生成自己的搜索查询、选择合适的工具、决定该记住哪些信息。

增强型LLM

建议重点关注两个要点：一是根据具体用例量身定制这些能力，二是确保它们为LLM提供了简单且有文档的接口。实现方式多种多样，其中一种便是通过刚发布的模型上下文协议（MCP），它使开发者能够借助简单的客户端实现，对接不断增长的第三方工具生态。

接下来，默认每个LLM调用都具备这些增强能力。

工作流程：提示链接

提示链将任务拆解为一系列步骤，每一步的LLM调用都处理前一步的输出。可以在任何中间步骤添加程序检查（下图中的“门”），确保流程没有偏离方向。

提示链工作流程

何时用：当任务能被轻松、干净地拆分为若干固定子任务时，这个模式尤为合适。其核心目标是：通过让每次LLM调用都变成更简单的任务，以延迟换取准确率。

例子：

• 生成营销文案，然后将其翻译成不同语言。
• 先撰写文档大纲，检查大纲符合标准后，再依据大纲完成文档。

工作流程：路由

路由将输入分类，然后导向专门的后续任务。该模式能够分离关注点，构造更专业的提示。缺少它的话，针对一种输入所做的优化可能会牺牲其他输入的效果。

路由工作流程

何时用：当复杂任务中存在不同类别，最好分别处理，且能用LLM或传统分类模型准确分类时，路由就派上用场了。

例子：

• 将不同类型的客服查询（一般问题、退款请求、技术支持）引导至不同的下游流程、提示和工具。
• 将简单/常见问题路由到小模型（如Claude 3.5 Haiku），把困难/罕见问题路由到更强模型（如Claude 3.5 Sonnet），以此优化成本与速度。

工作流程：并行化

LLM有时能同时执行一项任务，再通过编程汇总输出。并行化体现在两种关键变化上：

• 分段：把任务分解为并行运行的独立子任务。
• 投票：多次运行相同任务，获取不同输出。

并行化工作流程

何时用：当能够划分的子任务可以并行执行以提升速度，或者需要多个视角/尝试来获得更高置信度的结果时，并行化就很有价值。对于涉及多个考虑因素的复杂任务，如果每个考虑因素由单独的LLM调用处理，模型通常表现更佳——因为每次调用能集中精力于特定方面。

例子：

• 切片：
  • 实施护栏：一个模型处理用户查询，另一个模型过滤不当内容或请求。这比让同一个LLM调用同时完成两项工作效果好得多。
  • 自动评估LLM性能：每个LLM调用针对给定提示评估模型的不同维度。
• 投票：
  • 审查代码漏洞：几个不同提示分别审查同一段代码，若发现问题则进行标记。
  • 评估内容是否不当：用多个提示评估不同方面，或设置不同投票阈值来平衡误报与漏报。

工作流程：Orchestrator-workers

在此工作流中，中央LLM动态分解任务，将子任务委托给worker LLM，然后汇总结果。

Orchestrator-workers 工作流程

何时用：当子任务无法提前预判时（例如编码中需要修改哪些文件、如何修改，取决于具体任务），此模式就十分合适。虽然拓扑上与并行化相似，但关键区别在于灵活性——子任务不是预先定义好的，而是由编排器根据输入实时决定。

例子：

• 需要对多个文件执行复杂修改的编码产品。
• 搜索任务：从多个来源收集和分析信息，找出可能相关的内容。

工作流程：评估器-优化器

在此工作流中，一个LLM调用生成响应，另一个在循环中提供评估和反馈。

评估器-优化器工作流程

何时用：当存在明确的评估标准，且迭代改进能带来可衡量价值时，此模式特别有效。两个良好迹象：一是人类表达反馈后，LLM的响应能显著改善；二是LLM本身能够提供这样的反馈。这类似于人类作家打磨文章时的迭代写作过程。

例子：

• 文学翻译：译者LLM一开始可能遗漏某些细微差别，但评估者LLM能给出有价值的批评。
• 复杂搜索：需要多轮搜索和分析才能收集全面信息，评估者决定是否有必要继续搜索。

智能体Agents

随着LLM在关键能力（理解复杂输入、推理规划、可靠使用工具、从错误中恢复）上的成熟，智能体开始进入生产环境。智能体通过人类用户的指令或交互讨论启动任务，明确任务后独立规划并行动，过程中可能返回人类处获取信息或判断。执行时，智能体必须从每个步骤的环境中获取“基本事实”（例如工具调用结果或代码执行结果）来评估进展。遇到检查点或阻碍时，可以暂停等待人类反馈。任务通常在完成后终止，但也会设置停止条件（如最大迭代次数）以保持控制。

智能体能处理复杂任务，但实现通常很简单。 本质上就是基于环境反馈使用工具的LLM。因此，清晰、周到地设计工具集及其文档，是成败的关键。

自主智能体

何时用：开放式问题——很难甚至无法预测需要多少步骤，也无法硬编码固定路径。LLM可能会运行很多轮，你必须对其有一定信任。智能体的自主性使其非常适合在受信环境中扩展任务。

智能体的自主性也意味着更高成本，以及出现复合错误的风险。建议在沙盒环境中进行广泛测试，并配备适当的防护措施。

例子：（来自Anthropic自身的实现）

• 一个编码智能体，用于解决SWE-bench任务，根据任务描述对多个文件进行编辑。
• “计算机使用”参考实现——Claude用计算机来完成各种任务。

编码智能体的高级流程

组合与定制这些模式

这些构建块并非死板的规则，而是开发者可以灵活组合、适配不同用例的常见模式。与任何LLM功能一样，成功的关键在于：度量性能，然后迭代实现。再次强调：只有当增加复杂性确实能明显改善结果时，才考虑引入它。

概况总结

在LLM领域取得成功，不在于构建最复杂的系统，而在于构建最合适的系统。从简单的提示开始，运用综合评估进行优化，仅在简单方案无法解决问题时才加入多步智能体系统。

在实施智能体时，可以遵循三个核心原则：

1. 保持智能体设计的简洁性。
2. 通过明确展示智能体的计划步骤，优先保证透明度。
3. 通过全面的工具文档和测试，精心设计智能体与计算机之间的接口（ACI）。

框架能帮助你快速上手，但在投入生产时，请不要犹豫——减少抽象层，直接用基本组件来构建。遵循这些原则，你就能打造出既强大又可靠、可维护且受用户信任的智能体。

附录1：实践中的Agent

在与客户的合作中，我们发现两种特别有前景的AI智能体应用，充分体现了上述模式的价值。它们都说明：智能体最适合那些需要对话与行动、有明确成功标准、能启用反馈循环、并集成有意义人工监督的任务。

A. 客户支持

客户支持通过工具集成，把熟悉的聊天机器人界面与增强功能结合起来。这对更开放的智能体来说很自然，因为：

• 支持交互自然遵循对话流，同时需要访问外部信息并执行操作。
• 可以集成工具来提取客户数据、订单历史记录和知识库文章。
• 退款或更新机票等操作能用编程方式处理。
• 成功与否可以通过用户定义的分辨率明确衡量。

多家公司已经采用基于使用量的定价模式验证了此方法的可行性——只对成功解决的案例收费，这本身就表明了对智能体效率的信心。

B. 编码Agents

软件开发领域显示出LLM的巨大潜力，从代码完成一路发展到自主解决问题。Agent特别有效，因为：

• 代码解决方案可以通过自动化测试验证。
• Agent可以利用测试结果作为反馈，迭代解决方案。
• 问题空间定义明确、结构清晰。
• 输出质量能客观衡量。

在Anthropic自身的实现中，Agent现在能仅根据拉取请求描述，就解决SWE-bench Verified基准中的真实GitHub问题。不过，尽管自动化测试有助于验证功能，人工审核仍然必不可少——确保解决方案符合更广泛的系统要求。

附录2：快速设计你的工具

无论你构建哪种Agent系统，工具都是关键组成部分。通过在API中指定外部服务和API的确切结构与定义，工具让Claude能与外部世界交互。当Claude响应时，如果它计划调用工具，API响应里会包含一个工具使用块。工具定义和规范应该像整体提示一样被认真对待。本附录就来聊聊如何利用提示工程打磨工具。

通常，指定同一操作有多种方式。例如，你可以通过写diff或重写整个文件来指定文件编辑。对于结构化输出，可以在markdown或JSON中返回代码。在软件工程中，这些差异是表面的，可以无损地相互转换。但对LLM来说，有些格式比另一些难写得多——写diff需要知道块头行数变化；在JSON中写代码（相比markdown）需要额外转义换行符和引号。

决定工具格式的建议：

• 给模型足够的“思考”空间，别让它卡住。
• 让格式尽量接近模型在互联网文本中自然见到的样子。
• 避免格式化“开销”——比如必须精确计数上千行代码，或者对写的代码做字符串转义。

一条经验法则：想想在人机界面（HCI）上花了多少精力，然后花同样的精力去打造一个好的Agent与计算机之间的界面（ACI）。具体可以这样做：

• 站在模型的角度思考：根据描述和参数，这个工具怎么用是不是一目了然？如果人类需要想半天，那模型多半也差不多。好的工具定义通常包括示例用法、边界情况、输入格式要求，以及与其他工具的明确区分。
• 如何修改参数名或描述能让事情更明显？好比给团队里的初级开发者编写优秀的文档字符串。当用到多个类似工具时，这点尤其重要。
• 测试模型如何使用你的工具：在工作台里运行大量示例输入，观察模型犯了哪些错误，然后迭代改进。
• 防错法：调整参数设计，让模型很难犯错。

在为SWE-bench构建Agent时，我们花在优化工具上的时间甚至比整体提示还要多。例如，发现模型在离开根目录后，用相对文件路径的工具时总会出错。解决办法很简单：将工具改成始终要求绝对文件路径——结果模型完美地适应了这种方式。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：Anthropic公司发布最新AI智能体年度总结核心要点与趋势要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题