原標題：Anthropic預測：2025是智能體系統年！年終總結分享最佳實踐
文章來源：新智元
內容字數：5663字

Anthropic：2025年將是智能體系統之年

Anthropic開發者關系主管近日預測2025年將是智能體系統之年，并分享了構建高效智能體系統的最佳實踐。文章總結了Anthropic一年來與客戶合作的經驗，指出成功的關鍵在于采用簡單的可組合模式，而非復雜的框架。

1. 智能體與工作流：何時選擇哪個？

文章首先闡明了智能體與工作流的區別：工作流通過預定義代碼路徑調用LLM和工具；而智能體則由LLM動態指導流程和工具使用。選擇哪個取決于任務復雜度。簡單任務選擇工作流，復雜任務且需要靈活性和模型驅動決策時則選擇智能體。 許多應用場景只需優化單個LLM調用即可。

2. 框架的使用：謹慎選擇，避免過度復雜

雖然LangChain、Amazon Bedrock等框架能簡化構建過程，但Anthropic建議開發者優先直接使用LLM，僅在必要時才使用框架。過度依賴框架可能增加抽象層，導致難以調試。 如果使用框架，務必了解其底層代碼，避免因錯誤假設導致問題。

3. 構建智能體系統的常用模式

文章介紹了多種構建智能體系統的常用模式，均是從基礎模塊——增強型LLM出發，逐步增加復雜性：

1. 提示鏈(Prompt chaining): 將任務分解為一系列步驟，每個LLM調用處理前一個調用的輸出。適用于可輕松分解為固定子任務的情況。
2. 路由(Routing): 對輸入進行分類并定向到專門的任務，分離關注點，優化不同類型輸入的處理。
3. 并行化(Parallelization): LLM并行處理任務，再聚合輸出。包括分段和投票兩種形式，適用于可并行執行的子任務或需要更高置信度的結果。
4. Orchestrator-workers: LLM動態分解任務，委托給worker LLM，再綜合結果。適用于無法預測子任務數量的復雜任務。
5. Evaluator-optimizer: 一個LLM生成響應，另一個LLM循環提供評估和反饋。適用于有明確評估標準且迭代過程能提供比較值的場景。

4. 智能體在生產環境中的應用

智能體在生產環境中能處理復雜輸入、參與推理和規劃、可靠地使用工具并從錯誤中恢復。其自主性意味著更高的成本和更復雜的錯誤處理。Anthropic建議在沙盒環境中進行廣泛測試，并使用適當的防護機制。

5. 構建智能體的核心原則

文章總結了構建智能體的三個核心原則：保持簡單性；明確顯示規劃步驟；提供全面的工具文檔和測試。 在生產環境中，應減少抽象層，使用基本組件進行構建。

聯系作者

文章來源：新智元
作者微信：
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。