https://www.anthropic.com/engineering/building-effective-agents
https://www.anthropic.com/engineering/swe-bench-sonnet
https://github.com/anthropics/anthropic-cookbook
https://github.com/anthropics/anthropic-cookbook/tree/main/patterns/agents
12-factor-agents
智能体开发:跳出传统局限,以基准测试迈向成功
A practical guide to building agents
AI Agent 开发可⾏性深度判断指南
- 基础模式:
- 提示链(Prompt Chaining):将任务分解为固定步骤,逐步处理(如 “生成营销文案→翻译”);
- 路由(Routing):按输入类型分类,分配给专用子任务(如 “客服查询→分发给通用咨询 / 退款 / 技术支持流程”);
- 并行化(Parallelization):拆分任务为独立子任务并行处理(如 “代码漏洞审查→多 LLM 同时检查不同维度”)。
- 高级模式:
- 协调者 - 工作者(Orchestrator-Workers):中央 LLM 动态拆分任务并分配给子 LLM,再整合结果(如 “多文件代码修改→协调者拆分任务,工作者分别处理”);
- 评估者 - 优化者(Evaluator-Optimizer):生成器与评估器循环迭代,持续优化结果(如 “文学翻译→评估器反馈不足,生成器迭代改进”)。
这些模式可组合使用,核心是 “按需选择,以结果为导向”。
资料
浅谈当下国内 AI Agent 现状,钉钉和扣子走在前列
浅谈当下国内 AI Agent 现状,钉钉和扣子走在前列
平台
https://www.coze.cn/
https://dify.ai/zh
https://github.com/modelscope/agentscope