2.1 智能体的评估体系

2.2 记忆(Memory)与知识(Knowledge)的本质区别

2.3 安全护栏:三层质量校验机制

2.4 提升智能体能力的四大核心设计模式

2.5 多智能体的四种协作协调模式

第二部分 中级进阶:构建真正可用的多智能体系统

2.1 智能体的评估体系

评估是专业工程实现和 Demo 玩具最大区别,没有评估就无法知道智能体到底是否有效。

  • 简单任务评估:直接判断对错,布尔值(是 / 否)。例如客服 Agent 回答库存是否正确。
  • 复杂主观任务评估:使用 “LLM 作为评判者”。使用第二个独立大模型,按照人工预设评分标准,对输出做 1‑5 分打分。

示例评判维度:文章论点是否有力、引用资料是否匹配原文、语气是否符合业务要求。

2.2 记忆(Memory)与知识(Knowledge)的本质区别

这两个概念经常混淆,二者不可互相替代:

记忆 Memory(动态,每次运行会更新)

记忆是智能体从任务运行过程中获得的经验,分为短期内存、长期内存:

  1. 短期内存:本次任务运行过程中的笔记、中间结果,支持其他智能体读取,服务于当前任务;
  2. 长期内存:任务结束之后,智能体进行复盘反思,记录本次任务的优缺点、经验教训。下次启动任务时加载过往经验。

价值:不需要做模型微调,依靠记忆反馈,就可以让 Agent 越跑越聪明。

知识 Knowledge(静态,预先加载)

知识相当于教科书,一次性导入,供智能体随时查阅。比如 PDF 文档、CSV 数据表、内部业务手册、数据库。任务运行中不会修改知识本体,只做读取使用。

通俗类比:知识是书本,记忆是自己做题积累的错题本。

2.3 安全护栏:三层质量校验机制

能跑通的智能体 ≠ 安全可用的智能体。大模型具备非确定性,会出现格式错误、编造事实、偏离任务。安全护栏就是质量关卡,放在 “Agent 宣称任务完成” 和 “真正交付用户” 中间。一共三类,生产系统建议至少使用两类:

  1. 类型 1:代码检查(优先使用)

    编写简单验证函数,做确定性校验。例如校验输出 JSON 格式、必填字段完整性、文本长度。速度快、成本低。只要可以用代码判断,优先选择。

  2. 类型 2:LLM 判官校验

    交给大模型做主观、事实层面审核。例如判断 “输出内容是否和原始文档事实一致”“回复语气是否专业”。如果判定不合格,返回错误原因,交给 Agent 重新生成。

  3. 类型 3:人机协同审核

    用于高风险业务。Agent 执行完成后暂停,把结果交给人类操作员,由人批准、驳回或者给出修改意见之后,才正式交付。适合法律、财务等高风险场景。

2.4 提升智能体能力的四大核心设计模式

模式 1:反思模式

不要直接使用第一轮输出。模型生成内容之后,让模型自我批判,找到缺陷,再基于批评意见改写迭代。

例子:邮件初稿 “嘿,我们下个月见吧。谢谢。”

反思指出问题:时间模糊、缺少落款、语气随意。再产出修订版正式邮件。

适用场景:长文本写作、结构化输出、代码生成、业务流程步骤生成。也可以用于代码执行:编写代码→运行捕获报错→反馈错误信息→修复代码。

模式 2:工具使用模式

给大模型提供工具菜单,由模型根据任务自主选择调用工具。大模型本身无法联网、读写数据库、发送邮件;工具就是智能体和外部真实世界交互的接口。工具包含网络搜索、数据库查询、代码执行、日历、邮件、各类 API。

模式 3:规划模式

不写死固定步骤,把工具集交给 Agent,由模型自己生成完成任务的计划,分步执行。

例子:用户提问 “100 美元以下圆形太阳镜有哪些?”,Agent 自主规划步骤:搜索商品描述→查询库存→价格过滤→整理回答。开发者没有硬编码这套流程,全部由智能体推理生成。

模式 4:多智能体协作模式

把大型复杂任务拆解,分配给多个专业化智能体。比如研究员 Agent、文案 Agent、设计 Agent。每个 Agent 只专注自己擅长领域,避免单个智能体包揽全部工作带来质量下降。

2.5 多智能体的四种协作协调模式

当系统包含多个 Agent,需要设计它们之间消息传递、任务流转方式,从简单到复杂分为四类:

  1. 顺序型(流水线):装配线模式,Agent A 输出传给 Agent B,B 输出传给 C。例如研究员→设计师→编辑。逻辑清晰,调试简单,新手开发优先选用。
  2. 并行模式:多个 Agent 同时执行互不依赖的子任务,最后由汇总 Agent 整合全部结果。优点速度更快;缺点任务协调逻辑复杂度上升。
  3. 经理层级模式(生产系统最常用):设置一个经理智能体。经理负责整体规划、分配任务、审核各个专家 Agent 输出结果;专家只向经理汇报,专家之间不直接通信。结构清晰可控,适合业务系统。
  4. 全对全模式:任意智能体可以随意给其他智能体发送消息。自由度最高,但行为混乱,结果不可预测。只适合低风险创意实验,禁止线上生产使用。