在过去的一年中，我们与数十个团队合作，跨行业构建大型语言模型（LLM）代理。一致发现，最成功的实施并非依赖复杂框架或专用库，而是采用简单、可组合的模式进行构建。
在这篇文章中，我们分享了从与客户合作及自行构建代理过程中学到的经验，并为开发者提供了构建高效代理的实用建议。
什么是代理？#
“代理” 可以有多种定义方式。一些客户将代理定义为能够在较长时间内独立运行的全自主系统，它们利用各种工具完成复杂任务。另一些客户则用该术语来描述遵循预定义工作流程的更具规定性的实现。在 Anthropic，我们将所有这些变体归类为代理系统，但在工作流程和代理之间划出了一个重要的架构区别：
- 工作流程是通过预定义的代码路径编排 LLMs 和工具的系统。
- 代理，另一方面，是指 LLMs 动态指导自身进程和工具使用，保持对任务完成方式的控制的系统。
下面，我们将详细探讨这两种代理系统。在附录 1（“实践中的代理”）中，我们描述了客户在使用这类系统时发现特别有价值的两个领域。
何时（以及何时不）使用代理#
使用 LLMs 构建应用程序时，我们建议尽可能寻找最简单的解决方案，仅在必要时增加复杂性。这可能意味着完全不构建代理系统。代理系统通常以延迟和成本为代价换取更好的任务性能，您应考虑这种权衡在何时是合理的。
当需要更高的复杂性时，工作流为定义明确的任务提供了可预测性和一致性，而在需要大规模灵活性和模型驱动决策的情况下，代理则是更好的选择。然而，对于许多应用来说，通过检索和上下文示例优化单个 LLM 调用通常就足够了。
何时以及如何使用框架#
有许多框架使得代理系统更易于实现，包括：
- LangGraph来自 LangChain；
- 亚马逊 Bedrock 的AI 代理框架；
- Rivet，一个拖放式 GUI LLM 工作流构建器；以及
- Vellum，另一款用于构建和测试复杂工作流程的图形用户界面工具。
这些框架通过简化诸如调用 LLMs、定义和解析工具以及将调用链式连接在一起等标准低级任务，使得入门变得容易。然而，它们常常会创建额外的抽象层，这些层可能会掩盖底层的提示和响应，使得调试变得更加困难。它们还可能诱使人们在简单的设置就足够的情况下增加复杂性。
我们建议开发者直接使用 LLM APIs 开始：许多模式只需几行代码即可实现。如果确实使用框架，请确保理解底层代码。对内部机制的错误假设是客户错误的常见来源。
查看我们的手册以获取一些示例实现。
构建模块、工作流程和代理#
在本节中，我们将探讨在生产环境中常见的代理系统模式。我们将从基础构建模块 —— 增强型 LLM—— 开始，逐步增加复杂性，从简单的组合工作流到自主代理。
构建模块：增强的 LLM#
代理系统的基本构建模块是一个 LLM，通过检索、工具和记忆等增强功能进行扩展。我们当前的模型能够主动利用这些能力 —— 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。
增强的 LLM
我们建议重点关注实施的两个关键方面：根据您的具体使用场景定制这些功能，并确保它们为您的 LLM 提供一个易于使用且文档完善的接口。虽然实现这些增强功能的方法有很多，但一种方法是通过我们最近发布的模型上下文协议，该协议允许开发者通过简单的客户端实现与不断增长的第三方工具生态系统集成。
在本文的剩余部分，我们将假设每次 LLM 调用都能访问这些增强功能。
工作流程：提示链#
提示链将任务分解为一系列步骤，其中每个 LLM 调用处理前一个调用的输出。您可以在任何中间步骤添加程序化检查（见下图中的 “门控”），以确保过程仍在正轨上。
提示链工作流程
** 何时使用此工作流程：** 此工作流程非常适合任务能够轻松且清晰地分解为固定子任务的情况。其主要目标是通过使每个 LLM 调用成为更简单的任务，以牺牲延迟换取更高的准确性。
提示链有用的示例：
- 生成营销文案，然后将其翻译成另一种语言。
- 撰写文档大纲，检查大纲是否符合特定标准，然后根据大纲编写文档。
工作流程：路由#
路由对输入进行分类并将其引导至专门的后续任务。这种工作流程实现了关注点的分离，并构建了更为专业化的提示。若缺乏此流程，针对某类输入的优化可能会损害其他输入的性能。
路由工作流程
** 何时使用此工作流程：** 路由适用于处理复杂任务，这些任务具有明显不同的类别，更适合分开处理，并且可以通过 LLM 或更传统的分类模型 / 算法准确进行分类。
路由有用的示例：
- 将不同类型的客户服务查询（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 / 常见的问题路由到较小的模型，如 Claude 3.5 Haiku，而将困难 / 不寻常的问题路由到更强大的模型，如 Claude 3.5 Sonnet，以优化成本和速度。
工作流程：并行化#
LLMs 有时可以同时处理一个任务，并通过编程方式聚合它们的输出。这种工作流程，即并行化，主要体现在两种关键变体中：
- ** 分段：** 将任务分解为并行运行的独立子任务。
- ** 投票：** 多次运行同一任务以获得多样化的输出。
并行化工作流程
** 何时使用此工作流程：** 当划分的子任务可以并行化以加快速度，或需要多个视角或尝试以获得更高置信度的结果时，并行化是有效的。对于具有多重考虑的复杂任务，LLMs 通常在每次考虑由单独的 LLM 调用处理时表现更好，这样可以对每个具体方面给予集中关注。
并行化有用的示例：
- 分段：
- 实施防护措施，其中一个模型实例处理用户查询，而另一个则筛选其中的不当内容或请求。这种方法通常比让同一个 LLM 调用同时处理防护措施和核心响应表现更好。
- 自动化评估以评估 LLM 性能，其中每个 LLM 调用评估模型在给定提示下性能的不同方面。
- 投票：
- 审查一段代码以查找漏洞，其中多个不同的提示会审查并在发现问题时标记代码。
- 评估给定内容是否不当，通过多个提示评估不同方面或要求不同的投票阈值以平衡误报和漏报。
工作流程：协调器 - 工作者#
在协调器 - 工作者工作流中，一个中央 LLM 动态地分解任务，将它们分配给工作者 LLMs，并综合它们的结果。
编排器 - 工作器工作流
** 何时使用此工作流程：** 此工作流程非常适合复杂任务，其中无法预测所需的子任务（例如，在编码中，需要更改的文件数量以及每个文件中更改的性质可能取决于任务）。虽然它在拓扑结构上相似，但与并行化的关键区别在于其灵活性 —— 子任务不是预先定义的，而是由协调器根据特定输入确定的。
编排器 - 工作器模式适用的示例：
- 每次对多个文件进行复杂更改的编码产品。
- 涉及从多个来源收集和分析信息以寻找可能相关信息的搜索任务。
工作流程：评估者 - 优化器#
在评估者 - 优化器工作流程中，一个 LLM 调用生成响应，而另一个则在循环中提供评估和反馈。
评估者 - 优化器工作流程
** 何时使用此工作流程：** 当我们有明确的评估标准，且迭代改进能带来可衡量的价值时，此工作流程尤为有效。适合的两个标志是：首先，当人类明确表达反馈时，LLM 响应能得到显著改善；其次，LLM 能够提供此类反馈。这类似于人类作家在创作精炼文档时可能经历的迭代写作过程。
评估优化器有用的示例：
- 文学翻译中存在一些细微差别，译者 LLM 可能最初未能捕捉到，但评估者 LLM 能够提供有价值的批评意见。
- 需要多轮搜索和分析以收集全面信息的复杂搜索任务，由评估者决定是否需要进行进一步搜索。
代理#
随着 LLMs 在关键能力上的成熟 —— 理解复杂输入、参与推理和规划、可靠地使用工具以及从错误中恢复 —— 代理正在生产中崭露头角。代理开始工作时，要么接受人类用户的指令，要么与其进行互动讨论。一旦任务明确，代理便独立规划和操作，必要时会返回人类用户处获取更多信息或判断。在执行过程中，代理在每一步从环境中获取 “真实情况”（如工具调用结果或代码执行）以评估其进展至关重要。随后，代理可以在检查点或遇到阻碍时暂停，等待人类反馈。任务通常在完成后终止，但为了保持控制，也常包含停止条件（如最大迭代次数）。
代理能够处理复杂的任务，但其实现通常较为直接。它们通常只是 LLMs，在一个循环中基于环境反馈使用工具。因此，清晰且深思熟虑地设计工具集及其文档至关重要。我们在附录 2（“工具提示工程”）中详细阐述了工具开发的最佳实践。
自主代理
** 何时使用代理：** 代理适用于开放式问题，这类问题难以或无法预测所需的步骤数量，且无法硬编码固定路径。LLM 可能会运行多个回合，因此您必须对其决策能力有一定程度的信任。代理的自主性使其成为在可信环境中扩展任务的理想选择。
代理的自主性意味着更高的成本和错误累积的潜在风险。我们建议在沙盒环境中进行广泛测试，并设置适当的防护措施。
代理有用的示例：
以下示例来自我们自己的实现：
- 一个编码代理，用于解决SWE-bench 任务，这些任务涉及根据任务描述对多个文件进行编辑；
- 我们的“计算机使用” 参考实现，其中 Claude 使用计算机完成任务。
编码代理的高级流程
组合和自定义这些模式#
这些构建模块并非一成不变。它们是开发者可以根据不同使用场景塑造和组合的常见模式。与任何 LLM 功能一样，成功的关键在于衡量性能并对实现进行迭代。重申一遍：只有在明显改善结果的情况下，才应考虑增加复杂性。
摘要#
在 LLM 领域的成功，不在于构建最复杂的系统，而在于构建适合自身需求的正确系统。从简单的提示开始，通过全面评估进行优化，仅当更简单的解决方案无法满足需求时，才添加多步骤的代理系统。
在实施代理时，我们努力遵循三个核心原则：
- 保持代理设计的简洁性。
- 优先考虑透明度，明确展示代理的规划步骤。
- 通过详尽的工具文档和测试，精心打造您的代理 - 计算机界面（ACI）。
框架可以帮助您快速入门，但在进入生产阶段时，不要犹豫减少抽象层并使用基础组件进行构建。遵循这些原则，您可以创建不仅功能强大，而且可靠、可维护并赢得用户信任的代理。
致谢#
本文由 Erik Schluntz 和 Barry Zhang 撰写。本作品借鉴了我们在 Anthropic 构建代理的经验以及客户分享的宝贵见解，对此我们深表感谢。
附录 1：实践中的代理#
我们与客户的合作揭示了 AI 代理的两个特别有前景的应用，这些应用展示了上述模式的实用价值。这两个应用都说明了代理如何为需要对话和行动、具有明确成功标准、能够实现反馈循环并整合有意义的人类监督的任务增加最大价值。
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增强的功能相结合。这对于更开放的代理来说是一个自然的选择，因为：
- 支持互动自然遵循对话流程，同时需要访问外部信息和执行操作；
- 工具可以集成以提取客户数据、订单历史记录和知识库文章；
- 诸如发放退款或更新票据等操作可以通过编程方式处理；以及
- 成功可以通过用户自定义的解决方案来明确衡量。
多家公司已通过基于使用量的定价模式证明了这种方法的可行性，该模式仅对成功解决的问题收费，显示出对其代理有效性的信心。
B. 编码代理#
软件开发领域展现了 LLM 功能的显著潜力，其能力已从代码补全发展到自主解决问题。代理之所以特别有效，原因在于：
- 代码解决方案可通过自动化测试进行验证；
- 代理可以利用测试结果作为反馈来迭代解决方案；
- 问题空间定义明确且结构清晰；以及
- 输出质量可以客观衡量。
在我们的实现中，代理现在能够仅根据拉取请求描述解决 SWE-bench Verified 基准中的真实 GitHub 问题。然而，尽管自动化测试有助于验证功能，但人工审查对于确保解决方案符合更广泛的系统要求仍然至关重要。
附录 2：工具提示工程#
无论您正在构建何种代理系统，工具很可能都是您代理的重要组成部分。工具使 Claude 能够通过在我们的 API 中指定其确切结构和定义来与外部服务和 API 进行交互。当 Claude 响应时，如果它计划调用工具，它将在 API 响应中包含一个工具使用块。工具定义和规范应与您的整体提示一样受到提示工程的高度重视。在这个简短的附录中，我们描述了如何对您的工具进行提示工程。
指定同一操作通常有多种方式。例如，您可以通过编写差异（diff）或重写整个文件来指定文件编辑。对于结构化输出，您可以在 markdown 或 JSON 中返回代码。在软件工程中，这些差异是表面上的，可以无损地从一种格式转换为另一种格式。然而，某些格式对于 LLM 来说比其他格式更难编写。编写差异需要知道在编写新代码之前块头中有多少行正在更改。在 JSON 中编写代码（与 markdown 相比）需要对换行符和引号进行额外的转义。
我们关于决定工具格式的建议如下：
- 给模型足够的标记来 “思考”，以免它自己陷入困境。
- 保持格式接近模型在互联网文本中自然所见的形式。
- 确保没有格式化的 “开销”，例如必须准确计算数千行代码，或对其编写的任何代码进行字符串转义。
一个经验法则是考虑人机界面（HCI）投入了多少努力，并计划在创建良好的代理 - 计算机界面（ACI）时投入同样多的努力。以下是一些关于如何做到这一点的思考：
- 设身处地为模型着想。根据描述和参数，使用此工具是否显而易见，还是需要仔细思考？如果是后者，那么模型很可能也是如此。一个好的工具定义通常包括使用示例、边缘情况、输入格式要求以及与其他工具的明确界限。
- 如何更改参数名称或描述以使内容更加清晰？将其视为为团队中的初级开发者编写一份优秀的文档字符串。在使用许多类似工具时，这一点尤为重要。
- 测试模型如何使用您的工具：在我们的工作台中运行多个示例输入，以查看模型会犯哪些错误，并进行迭代。
- 防错你的工具。改变参数，使其更难以出错。
在构建我们的 SWE-bench 代理时，我们实际上花了更多时间优化工具，而不是整体提示。例如，我们发现当代理移出根目录后，模型在使用相对文件路径的工具时会出错。为了解决这个问题，我们将工具更改为始终要求绝对文件路径 —— 我们发现模型使用这种方法时毫无瑕疵。