Anthropic预测：2025是智能体系统年！年终总结分享最佳实践

原标题：Anthropic预测：2025是智能体系统年！年终总结分享最佳实践
文章来源：新智元
内容字数：5663字

Anthropic：2025年将是智能体系统之年

Anthropic开发者关系主管近日预测2025年将是智能体系统之年，并分享了构建高效智能体系统的最佳实践。文章总结了Anthropic一年来与客户合作的经验，指出成功的关键在于采用简单的可组合模式，而非复杂的框架。

1. 智能体与工作流：何时选择哪个？

文章首先阐明了智能体与工作流的区别：工作流通过预定义代码路径调用LLM和工具；而智能体则由LLM动态指导流程和工具使用。选择哪个取决于任务复杂度。简单任务选择工作流，复杂任务且需要灵活性和模型驱动决策时则选择智能体。 许多应用场景只需优化单个LLM调用即可。

2. 框架的使用：谨慎选择，避免过度复杂

虽然LangChain、Amazon Bedrock等框架能简化构建过程，但Anthropic建议开发者优先直接使用LLM，仅在必要时才使用框架。过度依赖框架可能增加抽象层，导致难以调试。 如果使用框架，务必了解其底层代码，避免因错误假设导致问题。

3. 构建智能体系统的常用模式

文章介绍了多种构建智能体系统的常用模式，均是从基础模块——增强型LLM出发，逐步增加复杂性：

1. 提示链(Prompt chaining): 将任务分解为一系列步骤，每个LLM调用处理前一个调用的输出。适用于可轻松分解为固定子任务的情况。
2. 路由(Routing): 对输入进行分类并定向到专门的任务，分离关注点，优化不同类型输入的处理。
3. 并行化(Parallelization): LLM并行处理任务，再聚合输出。包括分段和投票两种形式，适用于可并行执行的子任务或需要更高置信度的结果。
4. Orchestrator-workers: LLM动态分解任务，委托给worker LLM，再综合结果。适用于无法预测子任务数量的复杂任务。
5. Evaluator-optimizer: 一个LLM生成响应，另一个LLM循环提供评估和反馈。适用于有明确评估标准且迭代过程能提供比较值的场景。

4. 智能体在生产环境中的应用

智能体在生产环境中能处理复杂输入、参与推理和规划、可靠地使用工具并从错误中恢复。其自主性意味着更高的成本和更复杂的错误处理。Anthropic建议在沙盒环境中进行广泛测试，并使用适当的防护机制。

5. 构建智能体的核心原则

文章总结了构建智能体的三个核心原则：保持简单性；明确显示规划步骤；提供全面的工具文档和测试。 在生产环境中，应减少抽象层，使用基本组件进行构建。

联系作者

文章来源：新智元
作者微信：
作者简介：智能+中国主平台，致力于推动中国从互联网+迈向智能+新纪元。重点关注人工智能、机器人等前沿领域发展，关注人机融合、人工智能和机器人对人类社会与文明进化的影响，领航中国新智能时代。