按场景选型(Pattern Selection by Scenario)
根据任务特征选择最合适的 Agent 设计模式,避免过度设计或能力不足
围绕同一主题聚合相关知识卡片,帮助你从核心概念延伸到工具、模式与实践,形成连续的学习路径。
分类概览
适合先按主题连续阅读;如果你已经有明确问题,也可以进入搜索页,用关键词快速定位相关内容。
根据任务特征选择最合适的 Agent 设计模式,避免过度设计或能力不足
根据任务复杂度从低到高选择匹配的 Agent 设计模式,避免过度设计或能力不足。
多个 Agent 对同一问题各自作答、互相质证,通过多轮辩论逼近更可靠答案的协作模式。
通过多轮对话理解用户意图、收集信息、执行任务的交互式 Agent 模式。
多层级 Agent 树状组织,通过逐层委托实现大规模任务的分解与协调。
LLM 通过结构化工具调用与外部系统交互的单智能体模式,是现代 Agent 应用的基础设施。
多个 Agent 按固定顺序依次处理,前一个的输出作为后一个的输入,形成单向流水线。
多个 Agent 在共享对话中轮流发言、由主持人动态调度的多 Agent 协作模式。
通过 DAG 和状态机将多 Agent 任务组织为可追踪、可恢复的有向数据流。
面向企业海量知识处理的分层平台架构,通过数据治理、模型管理和引擎拆分实现知识的安全利用与灵活组合。
以 LLM 为核心控制器,集规划、记忆、工具使用于一体的端到端自主 Agent 系统架构。
给定目标后能自主分解任务、迭代执行、反思改进的 Agent 设计模式
Agent 通过动态生成代码并在沙箱中执行来解决问题的设计模式,以代码作为通用行动接口。
Agent 之间按条件主动移交控制权和上下文,实现专业化分工协作
一个主 Agent 拆任务、分任务,多个 Worker Agent 并行干活,最后主 Agent 汇总结果。
先制定计划、再按计划执行的 Agent 范式,适合结构清晰的多步骤任务
让 Agent 自主决定何时检索、检索什么、检索几次,实现智能化的知识问答。
将推理与行动交替进行的 Agent 经典范式,让模型能够边想边做、边做边调整。
Agent 对自身输出进行批判性审视并迭代改进的设计模式。