构建你的第一个 Agent 的基础知识

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;display: table;padding: 0px 0.2em;color: rgb(255, 255, 255);background: rgb(85, 201, 234);">引言

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 14px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">与那些只能按既定流程执行工作的传统软件不同，ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: inherit;color: rgb(85, 201, 234);">Agent 能够在复杂、多变的情况下独立思考和决策。
这篇文章是一份如何构建智能体（Agent）的基础知识，了解如何开始构建你的第一个 Agent。

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;display: table;padding: 0px 0.2em;color: rgb(255, 255, 255);background: rgb(85, 201, 234);">什么是 Agent？

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 14px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">Agent 是能代表用户（ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: inherit;color: rgb(85, 201, 234);">做决策）独立完成任务的系统。传统软件通常是基于预设的操作流程，而 Agent 是体现于ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: inherit;color: rgb(85, 201, 234);">执行过程中进行判断、做出决策，并根据情况调整策略。

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 14px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">它有两个核心特点：

1. ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 14px;text-indent: -1em;display: block;margin: 0.2em 8px;color: rgb(63, 63, 63);">
   1.ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: inherit;color: rgb(85, 201, 234);">智能决策：利用LLM管理工作流执行，能够识别任务完成状态，在失败时主动纠正或移交控制权
2. 2.工具调用：可以访问各种外部系统工具，根据工作流状态动态选择合适的工具，始终在明确的护栏范围内操作

何时需要构建 Agent？

并非所有场景都适合使用 Agent。传统的确定性解决方案在许多情况下仍然是更好的选择。Agent主要适用于以下三类场景：

1. 1.复杂决策制定：需要细致判断、处理异常情况或上下文敏感决策的工作流，比如客服中的退款审批。
2. 2.难以维护的规则系统：由于规则集过于庞大和复杂，导致更新成本非常高或容易出错，比如不同类型的供应商有不同的账单格式，需要统一内部的格式。
3. 3.重度依赖非结构化数据：需要解释自然语言、从文档中提取含义或进行对话交互的场景，比如从特定文件中提取关键信息或者结构化数据。

在你决定要构建一个 Agent 之前，一定要确认你的应用场景确实符合这些场景。如果不符合，传统的确定性解决方案可能就足够了。

Agent 设计基础

一个最基础的 Agent 形态包含三个核心部分：

1. 1.模型：驱动 Agent 进行推理和决策的大语言模型（LLMs）。
2. 2.工具：Agent 可以用来执行动作的外部功能或 API。
3. 3.指令：定义 Agent 行为的明确指导和护栏。

选择模型

不同的模型在处理任务的复杂性、延迟和成本方面有各自的优缺点。在一个工作流里，可能需要根据不同任务使用不同的模型组合。不是所有任务都需要最聪明的模型。

一个比较好的做法是：

1. 1. 先用能力最强的模型构建 Agent 原型，以此建立一个性能基线。
2. 2. 然后，尝试换用更小、更快的模型，看它们是否仍然能达到可接受的效果，以此优化成本和延迟

定义工具

工具通过调用底层应用或系统的 API 来扩展 Agent 的能力。通常有这三种类型的工具：

1. 1.数据：用于检索信息（如查询数据库、读取PDF文档）。
2. 2.行动：用于执行操作（如发送邮件、更新记录）。
3. 3.编排：Agent 本身也可以作为其他 Agent 的工具

每个工具都应该有一个标准化的定义，文档要清晰，经过充分测试，并且是可重用的。

配置指令

指令你可以理解为就是提示词。想要编写高质量的指令你通常可以：

1. 1.利用现有文档：用已有的操作流程、政策文件作为上下文
2. 2.分解任务：把复杂任务拆分成更小、更清晰的步骤一步一步执行。
3. 3.定义清晰的行动：确保每一步都对应一个具体的动作或输出。。
4. 4.覆盖边缘情况：像编程一样处理边缘情况，比如用户输入的内容不明确怎么办。

编排模式的选择

根据复杂程度的不同，可以选择不同的编排模式：

单 Agent 系统：一个 Agent 配备了所需的工具和指令，然后再循环中执行工作，直到满足条件推出循环。

多 Agent 系统：当逻辑非常复杂，包含了大量的条件分支、工具数量非常多可以考虑多 Agent 系统。

多 Agent 系统

多 Agent 系统就是将任务拆分，每个任务由一个 Agent 完成，这些 Agent 组成一个系统。有两种常见的模式：

1. 1.管理者模式：有一个中心的“管理者” Agent 和 N 个特定任务的 Agent，管理者 Agent 决策协调让哪个 Agent 执行任务。
2. 2.去中心化模式：多个 Agent 以平等身份相互交接任务。

构建安全护栏

就像开发软件需要考虑各种安全情况一样，Agent 也需要考虑安全问题。比如数据隐私风险（防止系统提示泄露）或声誉风险（强制执行符合品牌形象的模型行为）。有效的护栏应该采用多层防护机制。

常见的护栏类型：

1. 1.相关性分类器：确保 Agent 的响应在预定范围内。
2. 2.安全分类器：检测不安全的输入，如越狱或提示词注入(有点像防止 SQL 注入)。
3. 3.PII 过滤器：防止不必要的个人身份信息 (PII) 泄露。
4. 4.内容审核：标记有害或不当的输入（如仇恨言论、骚扰、暴力）。
5. 5.工具安全防护：根据工具的读写权限、可逆性、所需权限和财务影响评估风险等级，对高风险操作触发人工审核。
6. 6.基于规则的保护：使用简单的确定性措施（如黑名单、输入长度限制、正则表达式过滤器）来阻止已知威胁。
7. 7.输出验证：通过提示工程和内容检查，确保 Agent 的响应符合品牌价值，防止输出损害品牌形象。

构建护栏的策略

1. 1. 首先关注数据隐私和内容安全。
2. 2. 根据遇到的真实世界的边缘案例和失败情况，添加新的护栏。
3. 3. 随着 Agent 的发展，不断调整护栏，以优化安全性和用户体验。

规划人工干预

在两种情况下应该转交人工处理：

1. 1.超出失败阈值：为 Agent 的重试或操作次数设置限制。比如多次尝试后仍无法理解用户意图。
2. 2.高风险操作：对于敏感、不可逆或风险高的操作，如取消订单、授权大额退款等。