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);">我在过去一年里构建了十几个不同类型的 Agent 应用。期间踩了无数坑：Agent "失忆"、工具调用失败、提示词效果不稳定等等问题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);">直到我看到了 HumanLayer 团队总结的"12 条构建可靠 AI 应用的实践原则"，很多困扰我的问题终于有了系统性的解决方案。它们可能会让你的 Agent 能力提升 10 倍。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);">12 条实践原则ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;padding-left: 8px;color: rgb(63, 63, 63);">1. 使用自然语言调用工具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 构建最常见的模式就是将自然语言转成ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: inherit;color: rgb(85, 201, 234);">结构化的工具调用。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);">想象一下，我们对 AI 说
LLMs 会转成结构化的数据ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-feature-settings: normal;font-variation-settings: normal;font-size: 12.6px;margin: 10px 8px;color: rgb(201, 209, 217);background: rgb(13, 17, 23);text-align: left;line-height: 1.5;overflow-x: auto;border-radius: 8px;padding: 0px !important;">{
"function":{
"name":"create_payment_link",
"parameters":{
"amount":750,
"customer":"cust_128934ddasf9",
"product":"prod_8675309",
"price":"prc_09874329fds",
"quantity":1,
"memo":"赞助二月份聚会的付款链接"
}
}
}这就是 Agent 构建的核心：自然语言到结构化调用的转换。 2. 定义自己的提示词我们应该使用自己的提示词，而不是让框架自己来包装提示词。 很多框架提供了“黑盒”方法： agent = Agent(
role="...",
goal="...",
personality="...",
tools=[tool1, tool2, tool3]
)
task = Task(
instructions="...",
expected_output=OutputModel
)
result = agent.run(task)
这种方式适合入门，但是很难调整，你根本不知道框架背后到底在说什么。 我们应该把提示词作为一等公民来对待，下面是一段比较粗糙但直观的示例 # 系统提示词
你是一名【主要功能】的【角色】。
你的执行流程是
- 【步骤1】
- 【步骤2】
你可以使用【Tool1】【Tool2】
# 用户提示词
【用户的输入】
使用自己的提示词带来的好处： - •完全控制：准确编写提示词，极大的灵活性，可以自由尝试和调整
3. 定义自己的上下文和 LLMs 聊天，本质上就是在说“这是目前的情况，下一步要做什么”。 这是目前的情况就是我们的上下文。通常包括：
 大多数框架会生成标准格式的上下文： [
{
"role":"system",
"content":"你是一个乐于助人的助手..."
},
{
"role":"user",
"content":"你能部署后端吗？"
},
{
"role":"assistant",
"content":null,
"tool_calls":[
{
"id":"1",
"name":"list_git_tags",
"arguments":"{}"
}
]
},
{
"role":"tool",
"name":"list_git_tags",
"content":"{\"tags\": [{\"name\": \"v1.2.3\", \"commit\": \"abc123\", \"date\": \"2024-03-15T10:00:00Z\"}.....]}",
"tool_call_id":"1"
}
]
但你可以设计更高效的自定义格式，最大化模型性能。（还是那句话，完全自己控制，获得极大的灵活性） [
{
"role":"system",
"content":"你是一个乐于助人的助手..."
},
{
"role":"user",
"content":|
以下是截至目前发生的所有事件:
<slack_message>
From alex
Channel:#deployments
Text:Can you deploy the backend?
</slack_message>
<list_git_tags>
intent:"list_git_tags"
</list_git_tags>
<list_git_tags_result>
tags:
- name:"v1.2.3"
commit:"abc123"
date:"2024-03-15T10:00:00Z"
- name:"v1.2.2"
commit:"def456"
date:"2024-03-14T15:30:00Z"
- name:"v1.2.1"
commit:"ghi789"
date:"2024-03-13T09:15:00Z"
</list_git_tags_result>
下一步是什么？
}
]
自定义的格式可以更节省 Token、更有利于模型注意力分配的方式传递信息，从而提升性能。你可以使用更适合你应用的格式，而不是局限于 XML。 自定义格式的核心优势： - •错误处理：有助于 LLMs 理解错误从中恢复，也可以在后续动作隐藏错误信息（避免冗余）
- •节省Token：优化上下文可以节省 Token，提高 LLMs 的理解
 4. 工具调用只是结构化的输出很多人把工具调用想得很复杂，其实就三步： - • LLMs 输出结构化的内容（可能是 JSON，也可以是其他结构化格式）
- • 执行确定性的代码（本地命令执行、API 调用等等）
输出格式不一定要是JSON。，JSON 格式太严格，LLM 可能输出语法有问题的 JSON，其他任何结构化（XML、YAML等）的我们能够解析的格式都可以。 拓展阅读：Schema-Aligned Parsing[1]、When should I use function calling, structured outputs or JSON mode?[2] 5. 统一执行状态和业务状态传统软件开发习惯分离执行状态（当前步骤、等待、重试）和业务状态（数据、消息）。但在AI应用中，这样做可能过度复杂。LLM可以通过上下文自动推断所有状态。 统一管理的好处： - •灵活性：只需定义新的事件类型，就能轻松扩展 Agent 的状态和能力
- •可恢复性：只需加载历史记录即可从任意节点恢复运行
- •可分叉：可以随时复制部分历史记录到一个新的上下文中，轻松创建分支
- •人机界面与可观测性：将事件历史转换为可读的格式（如 Markdown）或富文本 UI 界面变得非常简单
6. 实现启动、暂停、恢复把AI Agent想象成普通程序，提供标准的控制接口： 这些能力特别适用于： 比如，Agent 想执行某个脚本时，可以暂停让人类检查修改，然后继续执行。 |
