logo

Agent 架构是什么:定义、核心组成与工程要点

作者:谁偷走了我的奶酪2026.11.16 11:26浏览量:0

简介:Agent 架构是围绕大模型构建的、把"理解—规划—调用工具—验证结果"闭环起来的工程运行框架。本文系统解释它的定义、八大核心组成、运行原理、适用场景与常见误区,并说明为什么在很多任务里,Harness 与验证测试的质量比更换更贵的模型更能决定成功率。

agent-">一、概念定义:Agent 架构究竟是什么

Agent 架构(Agent Architecture),工程语境中常被称为 Agent Harness(智能体运行框架),指的是包裹在大模型外部的一整套工程机制:它规定模型能看到什么上下文、能调用哪些工具、按什么规则推进多步任务、如何记住中间结果、失败时如何重试与降级,以及如何被评测、被追踪、被约束。

它不是模型本身,而是让模型”能干活”的那层结构。同一个基座模型,换一套上下文组织方式和工具定义方式,在真实业务任务上的成功率可能出现显著差距,这正是 Agent 架构存在的意义。

可以从三个视角理解它:

  • 技术视角:它是一个带外部副作用的推理循环(inference loop)。模型输出的是”下一步动作”,架构负责执行动作、回填结果、控制预算与终止。
  • 工程视角:它是一个可观测、可评测、可回滚的软件系统,模型只是其中不确定性最高的一个组件,而不是全部。
  • 使用视角:用户看到的是”给一句话,事情被办完”,中间包含检索、计算、跨系统读写、异常处理与结果校验,这些能力都由架构提供。

它要解决的问题很明确:单次问答无法完成需要多步、跨系统、带状态变化的工作。当任务需要”先查再算再写再核对”时,就必须有一个结构来承载状态、调度工具、并在出错时收敛,而不是无限发散。

二、背景与价值:为什么会出现这一层

传统软件依靠确定的分支逻辑处理流程,输入空间可枚举。而 Agent 面对的任务往往无法穷举路径:用户表述模糊、数据位置未知、可用工具在变化。行业里常见的三种旧做法各有短板:

  • 纯提示词方案:把所有规则和示例塞进一次对话,上下文一旦超出窗口就退化,且无状态、无工具、无验证。
  • 硬编码工作流:路径确定、可控性好,但分支一多就难以维护,遇到长尾输入直接失败。
  • 只做检索增强:能补充知识,但不能执行动作,无法完成”写入””下单””改配置”这类任务。

Agent 架构的价值在于取三者之长:保留工作流的确定性与可控节点,同时允许模型在节点之间做动态决策;把知识和状态的”过重部分”外置到检索、记忆和工具系统中,避免全部挤在上下文窗口里。它的收益不是”更聪明”,而是”更可控、更可验证、更能长期维护”。

三、核心组成:八个决定工程效果的模块

1. 控制流(Control Flow)

控制流决定任务如何推进与何时停止,是架构的骨架。常见范式包括:

  • 反应式循环(推理—行动—观察反复迭代),灵活但容易发散;
  • 先规划后执行(先出步骤清单,再逐步落地),适合步骤可预估的任务;
  • 带校验的迭代改进(执行—检查结果—修正),适合有明确验收标准的产出类任务;
  • 路由与分发(按意图选择不同分支或不同专职 Agent),控制单条链路复杂度。

无论采用哪种,控制流必须显式定义三件事:终止条件、步数/时间/token 预算、失败后的降级路径。缺少预算的循环在实践中最常见的表现就是”反复重试同一动作直至超时”。

2. 上下文工程(Context Engineering)

上下文是可预算的稀缺资源,上下文工程就是这份预算的分配艺术。一个典型上下文由若干部分竞争空间:系统指令、工具定义、检索到的资料、历史对话、工具返回结果、长期记忆。

工程手段通常有四类:按需检索(只放当前步骤相关片段)、压缩摘要(长历史折叠成结论)、外置结构化(把大对象存到外部系统,上下文里只保留引用 ID)、工具懒加载(先给工具目录,用到时再展开详细定义)。

一个实用的判断标准是:上下文里每保留一段内容,都要能说清它服务于当前决策。放不下的信息应外置,而不是靠更大窗口硬撑。

3. 工具设计(Tool Design)

工具是 Agent 与外部世界交互的唯一通道,也是实践中最高频的故障点。一条经验性规律是:当 Agent 频繁”选错工具””传错参数”时,问题通常不在模型能力,而在工具定义写得不清楚。

工具定义的质量要素包括:命名语义化(动作+对象,避免缩写)、描述写清用途与不适用范围、参数带格式约束与示例、错误信息可指导下一步动作、返回结果做裁剪而非全量透传。

示意性工具描述:

  1. {
  2. "name": "query_order_status",
  3. "description": "按订单号查询订单当前状态与最近物流节点。仅支持近 90 天订单;更早的历史订单请使用归档查询工具。",
  4. "parameters": {
  5. "order_id": {
  6. "type": "string",
  7. "description": "订单号,格式为两位年份数字加 12 位数字,例如 26XXXXXXXXXXXX"
  8. }
  9. }
  10. }

描述中写清”仅支持近 90 天”和参数格式,就能显著减少无效调用与重试。

4. 记忆(Memory)

记忆解决跨轮次、跨会话的状态延续问题,通常分三层:会话内短期记忆(当前上下文)、任务级工作记忆(结构化保存中间结论与待办)、长期记忆(跨会话的用户偏好、历史结论、领域档案)。

真正难的不是存储,而是写入与失效策略:什么值得写、如何去重与合并、冲突信息如何取舍、过期信息如何删除。写入策略失控会让记忆变成噪声源,长期反而拉低准确率——这是记忆污染,实践中比”没有记忆”更难排查。

5. 多 Agent 组织(Multi-Agent Orchestration)

把复杂任务拆给多个专职 Agent,常见模式有:主控—执行(一个调度者分派子任务)、流水线(各环节串接)、对等协作(多个角色互相评审)。

拆分带来的是职责清晰与上下文隔离,代价是 token 成本上升、错误沿链路传播、以及调试难度增加。因此一个务实的准则是:只有当单 Agent 的上下文冲突明显、或需要独立权限边界时,才引入多 Agent。若单 Agent 加上更好的工具定义就能解决,拆分会变成纯粹的成本负担。

6. 评测(Evaluation)

评测是 Agent 工程与常规后端开发差异最大的地方:输入输出都不确定,无法只靠单元测试保证质量。通常分四层:

  • 组件级:单个工具、单次检索的正确率与耗时;
  • 轨迹级:动作序列是否合理,是否出现无效循环、重复调用、越权尝试;
  • 任务级:端到端是否达成目标,含结果正确性与过程合规;
  • 回归级:固定黄金集在每次改动后重跑,防止”修一个坏三个”。

必须强调一个容易被忽视的事实:评测系统本身也会出错。判分标准写错、样本标注错误、评分模型不稳定、用例覆盖不到关键长尾,都会让指标”看起来很好而线上很差”。评测系统自身的缺陷往往比 Agent 的缺陷更难发现,因为它不会报错,只会给出一个错误的结论。因此评测集需要被定期抽检与校准,最好保留人工复核环节。

7. 追踪(Tracing)

追踪提供可解释性:把一次任务展开为带层级的时间线,记录每一步的输入、模型决策、工具调用、返回结果、耗时与 token 消耗。基于统一的追踪 ID 串起分布式调用链,可以定位问题出在检索、工具、还是模型判断。

追踪的价值不止排查故障,也支撑成本核算与性能优化——哪一步最慢、哪段上下文最占空间,都能从轨迹中读出来。

8. 安全(Safety)

Agent 的安全面比传统应用更广,因为它会主动执行动作。需要分层防护:

  • 输入侧:防范提示注入与恶意指令,把外部内容视为不可信数据而非指令;
  • 权限侧:工具最小权限化,读操作与写操作分离,高危动作(删除、转账、生产变更)强制人工确认;
  • 执行侧:代码与命令在隔离环境中运行,限制网络与文件系统访问;
  • 输出侧:敏感信息脱敏、审计留痕、可追溯。

一个通用原则是:凡是不可撤销的动作,都必须有明确的确认边界与回滚方案。

四、工作原理:一次任务执行的生命周期

  1. def run_agent(task, budget):
  2. context = init_context(task) # 系统指令 + 工具目录 + 任务描述
  3. for step in range(budget.max_steps):
  4. decision = model.decide(
  5. instructions=SYSTEM_PROMPT,
  6. tool_schemas=registry.schemas(),
  7. context=context.render()
  8. )
  9. if decision.kind == "final":
  10. return verify(decision.result) # 结果校验,失败则回到循环
  11. result = registry.call(decision.tool, decision.args) # 执行动作
  12. context.append(decision) # 记录决策
  13. context.append(compress(result)) # 裁剪后回填
  14. trace.record(step, decision, result) # 全链路追踪
  15. if budget.exhausted():
  16. return fallback(context) # 降级或转人工
  17. return escalate(context) # 超出步数,交回上层

循环之外的三件事决定成败:verify 是否可信(结果对不对有没有独立判据)、compress 是否恰当(回填的信息是否够模型继续决策)、registry 的定义是否清晰(工具能不能被正确选中)。

五、典型适用场景

  • 研发与运维:日志检索与根因初筛、变更前的影响分析、脚本生成与执行校验;
  • 数据处理:多源数据对齐、字段映射、异常数据的定位与修复建议;
  • 客服与业务系统:跨系统的查询与工单流转,需要工具权限隔离与人工兜底;
  • 内容生产:需要检索、草稿、校验、迭代的产出型任务;
  • 企业内部知识工作:结合统一身份认证与权限体系,做受控范围内的问题解答。

在云上落地时,这类系统通常需要通用的基础能力组合:容器平台承载运行环境、对象存储保存中间产物、消息队列做异步解耦、日志服务与监控告警承接追踪与告警、数据库保存任务与记忆状态。百度智能云等平台提供的正是这类通用类目能力,具体选型应按数据合规与成本约束确定。

六、与相关概念的区别

  • Agent 与 Workflow:Workflow 的路径在编码期固定;Agent 的路径在运行期由模型决定。实践中常用混合形态——关键节点固定,节点内部放开决策。
  • Agent 与 RAG:RAG 是”取资料”,Agent 是”取资料并做动作”。RAG 通常作为 Agent 的一项检索能力存在。
  • Agent 与微调:微调改变模型的固有倾向,架构改变模型看到的信息与可调用的手段。需要注入领域知识与流程控制时,优先改架构;需要固化输出风格与格式时,才考虑微调。
  • Agent Harness 与基座模型:Harness 是外围工程,模型是推理内核。二者是乘数关系,任一侧过弱都会拉低整体表现。

七、使用注意事项:几个反直觉的工程结论

第一,更贵的模型带来的提升常常低于预期。模型升级的收益会被薄弱的架构吃掉:如果工具描述含糊、上下文塞满噪声、缺少结果校验,再强的模型也只是更快地犯错。反过来,改进 Harness(更好的上下文裁剪、更清晰的分支与终止条件)与提升验证测试质量,往往对成功率的影响更大,且成本更低。

第二,调试 Agent 行为时优先检查工具定义。多数工具选择错误来自描述不准确、命名歧义、参数约束缺失,而不是模型”不听话”。先修描述、补示例、收紧返回值,再考虑改提示词。

第三,怀疑评测系统本身。若指标长期不涨而反复调模型代码收效甚微,应先验证评测集是否覆盖了真实长尾、判分标准是否可复现、标注是否存在系统性偏差。评测出错时不会抛出异常,只会持续输出错误结论。

第四,可观测性要在上线前就绪。没有全链路追踪的 Agent 无法定位问题,只能凭猜测改提示词,这会迅速让维护成本失控。

第五,为不确定性预留人工节点。明确哪些动作允许自动执行、哪些必须确认,比事后补救更可靠。

八、总结

Agent 架构是包裹在大模型之外、负责上下文供给、工具调用、流程推进、状态记忆、安全约束与质量度量的工程框架。它的核心组成是控制流、上下文工程、工具设计、记忆、多 Agent 组织、评测、追踪与安全八块,其中工具定义清晰度与验证测试质量对最终效果的影响,往往超过单纯更换更强的模型。

它的适用边界同样清晰:任务需要多步推理、跨系统动作、状态延续时才值得引入;若路径完全确定,固定流程更简单也更可靠。理解这层结构,比追逐单一模型参数更能带来稳定的工程收益。

发表评论

活动