AI Agent 架构模式
概述
Anthropic 提出的五种核心 AI Agent 构建模式，从简单的 Prompt Chaining 到完全自主的 Agent，构成了一套可组合的模式分类学框架。后续深化至长时运行场景，衍生出 Harness 设计 框架。
关键内容
- 设计哲学：最成功的 Agent 实现并非依赖复杂框架，而是使用简单的可组合模式（simple, composable patterns）。Anthropic 建议开发者直接使用 LLM API，许多模式仅需几行代码即可实现。
- 五种核心模式：Prompt Chaining（提示链）、Routing 模式（路由）、Parallelization 模式（并行化）、Orchestrator-Workers 模式（编排器-工作者）、Evaluator-Optimizer 模式（评估器-优化器）。这五种模式与软件工程经典设计模式存在深刻对应关系。
- 模式与软件工程的对应：Prompt Chaining ↔ Chain of Responsibility/Pipeline；Routing ↔ Strategy Pattern；Parallelization ↔ Fork-Join/MapReduce；Orchestrator-Workers ↔ Master-Worker/Actor Model；Evaluator-Optimizer ↔ Feedback Control Loop。
- 工作流 vs Agent 的选择：Agent vs Workflow 是关键架构区分。工作流提供确定性和一致性，Agent 提供灵活性和模型驱动决策。除非任务天然开放且步骤无法预判，否则工作流通常优于自主 Agent。
- ACI 设计原则：ACI (Agent-Computer Interface) 需要与 HCI 同等重视，工具定义应包含示例用法、边缘情况、输入格式要求，参数名称要让意图显而易见。
- 长时运行深化：针对应用开发场景，Anthropic 提出 Harness 设计 框架，包含 特性追踪器、上下文传递协议、智能检查点触发、三级自主权模型、持续验证循环 和 技术债务追踪 六大核心组件，本质上是"为 AI Agent 定制的 CI/CD 系统"。
来源
- 01_building_effective_agents.md — 全文，Anthropic Engineering Blog "Building effective agents"
- 14_harness_design_long_running.md — 长时运行应用开发场景的 Harness 设计深化
相关
- Anthropic — source (提出方)
- Prompt Chaining — part_of (五种模式之一)
- Routing 模式 — part_of (五种模式之一)
- Parallelization 模式 — part_of (五种模式之一)
- Orchestrator-Workers 模式 — part_of (五种模式之一)
- Evaluator-Optimizer 模式 — part_of (五种模式之一)
- Agent vs Workflow — relates_to (架构选择原则)
- ACI (Agent-Computer Interface) — relates_to (接口设计原则)
- Harness 设计 — extends (长时运行场景的深化框架)