> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/claude_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/claude_guide/di-san-bu-fen-jin-jie-pian/08_agent/summary.md).

# 本章小结：构建智能体系统的艺术

从这章开始，讨论的焦点不再是“如何向 Chatbot 提问”，而是“如何构建一个能自主干活的数字员工”。这就是 Agent Engineering (智能体工程)。

## 核心知识点回顾

### Agent 的解剖学

* **Brain (LLM)**: 核心决策中枢。新项目可从 Claude Sonnet 5 开始评测；既有 Sonnet 4.6 工作负载按迁移清单灰度升级。
* **Planning (ReAct/Plan-Solve)**: 决定是“走一步看一步”还是“谋定而后动”。
* **Memory (RAG/VectorDB)**: 超越上下文窗口限制，让 Agent 拥有长期记忆。
* **Action (MCP)**: 连接现实世界的四肢。

### 思考的进化

* **System 1 (LLM)**: 快速直觉反应。
* **System 2 (Running Code/Extended Thinking)**: 慢速逻辑验证。
* 未来的 Agent 一定是混合这两种系统：用 System 1 快速提案，用 System 2 严格审查。

### 集体智慧

* **Multi-Agent Systems**: 术业有专攻。与其用一个超级 Prompt 做所有事，不如用三个简单的 Prompt 分别做一个 Researcher, Coder, Reviewer。
* **Orchestration**: 无论是层级式（Leader-Follower）还是接力棒式（Handoff），关键在于清晰的 **状态共享** 和 **边界定义**。

## 开发者自检清单

* [ ] **模式选择**：我面对的任务是探索性的（用 ReAct）还是路径清晰的（用 Plan-and-Solve）？
* [ ] **记忆设计**：我的 Agent 真的需要记住三天前的事情吗？如果需要，我是否配置了向量数据库？
* [ ] **防死循环**：我是否设置了最大迭代次数 (e.g. `max_loops=15`)？
* [ ] **成本监控**：在开启 Extended Thinking 或 Multi-Agent 时，我是否计算过单次任务的 Token 成本？

## 下一站：落地

Agent 架构听起来很酷，但它在真实世界中能用来干什么？是帮我订外卖，还是帮我写财报？ 下一章，我们将剖析几个真实的 **企业级应用案例**，看看先驱者们是如何把这些概念变成生产力的。

➡️ [企业级应用案例](/claude_guide/di-si-bu-fen-shi-zhan-pian/09_practical.md)

***

> 📝 **发现错误或有改进建议？** 欢迎提交 [Issue](https://github.com/yeasy/claude_guide/issues) 或 [PR](https://github.com/yeasy/claude_guide/pulls)。