从单一提示到代理工作流
单一提示只向模型提出一件事并得到一个答案。代理工作流将复杂目标分解为多步骤:代理进行计划、调用工具、读取结果、决定下一步行动,并循环直到任务完成。在Web应用开发中,这意味着AI功能可以获取数据、进行转换、进行校验并向用户响应——而无需人工逐步编写每个步骤。
转变点在于“提问即答”到“决策与行动”。与其一个精心构思的提示,你需要设计一个循环:思考、行动、观察、重复。
代理工作流的核心构建模块
无论多么复杂的代理工作流,都是由同四个部分构成。
第一,定义代理角色、可用工具以及何时停止的规则的系统提示。第二,代理可以调用的工具清单——诸如 `fetch_user_data`、`send_email`、`query_database` 等函数。第三,在步骤之间传递信息以确保代理不会忘记已学到内容的记忆或状态对象。第四,一个控制循环,将代理的输出再次作为输入,直到其发出完成信号。
以下是在 TypeScript 中展示的最小循环模式:
代理看到 `state`,决定要做什么,工作流执行工具,结果返回到 `state` 以进入下一轮。

状态管理与停止条件
状态是防止智能体像金鱼一样记忆短的关键。每轮,智能体应该看到:原始目标、 past actions and their results 的历史,以及任何约束(如“不得超过 5 步”或“若 API 返回错误则停止”)。
停止条件和起始条件同样重要。没有它们,智能体可能一直循环或耗尽你的 API 预算。常见模式包括:智能体发出一个特殊的 `finish` 动作、达到步数限制、发生错误导致工作流中止,或通过一个验证检查确认目标已达成。至少选择一个硬性上限(如最大步数)作为安全网,即使智能体有一个“自然”停止信号。
串联调用 vs 并行调用
并非每个多步骤任务都需要循环。有时串联就足够:调用 A 的输出成为调用 B 的输入,中间不再做决策。这更快、成本更低、可预测性更高。
仅在下一步取决于前一步返回时才使用循环。如果你在总结一条用户评价、再翻译它、然后再通过邮件发送——那就是一个串联任务。如果你在检索三个数据库并合并结果——那就是并行。若你在检索一个数据库、检查结果是否为空、再决定是否搜索其他来源——那就是循环。
实际示例:支持工单代理
设想一个处理来电支持工单的工作流。智能体读取工单、对其分类、检查用户账户,然后起草回复或升级给人工处理。
这既混合了串联(先分类再起草)又包含分支决策。智能体并非在“自由思考”——它是在执行一个在特定决策点使用 LLM 的脚本。对生产环境来说,这通常是正确的平衡:确定性的流程、智能化调用。
常见错误及避免方法
给智能体太多自由度过早。先采用固定流程,在已知的决策点调用 LLM。只有在确实需要动态行为时才添加自由形式的循环。
忘记记录状态。每一步、每一次工具调用、每一个结果——都要记录下來。当凌晨2点出现故障时,日志是看到代理在想什么的唯一途径。
没有重试或回退逻辑。工具可能失败。API 超时。构建带回退的重试,并始终有一个回退路径——即使只是“把工单发送给人工处理”也行。
让状态无限增长。每轮代理看到的都是完整历史。经过20步后,历史记录会变得庞大且成本高昂。对话变长时,对旧步骤进行摘要或裁剪。
Tổng kết
一个代理工作流是一个循环:模型决策、工具执行、结果更新状态,循环重复直到触发停止条件。状态在步骤之间携带上下文,你始终需要同时具备自然停止信号和硬性上限。先从链式组合开始以获得可预测的管线,当且仅当下一步确实依赖于前一步结果时,才扩展为完整的代理循环。记录一切、重试失败、并随状态增长进行裁剪。
课程检查点
巩固所学知识,获取作业反馈。