本章小结
本章跳出了 AI 算法的范畴，从软件工程和架构设计的角度，探讨了如何打造一个健壮、高效且经济的智能体系统。
核心要点回顾
架构设计模式
ReAct：适用于通用场景，灵活性强但长链路易出错。
编排者-执行者：适用于步骤清晰的任务，通过预先规划提升执行效率。
反思：通过反复迭代与自我评估换取高质量输出。
工具调用与路由：适用于重度依赖工具与 API 的应用。
鲁棒性设计
防御性编程：用确定性的代码（最大迭代次数、时间预算）去约束概率性的 LLM，防止死循环。
错误恢复：利用结构化校验与自动修复机制处理格式错误的输出。
状态管理：做好状态隔离、压缩与快照回滚，防止上下文污染。
沙箱机制：通过容器或受控执行环境隔离代码执行，确保系统安全。
企业级集成
成本控制：利用语义缓存与模型级联降低词元消耗。
延迟优化：实现流式输出与并行执行以提升用户体验。
可观测性：实现全链路追踪与成本监控，支持回放与定位根因。
工程化落地
组织工程：智能体设计本质是组织工程。明确目标（速度与质量），选择模式（静态优先），构建护栏。
数据飞轮：数据即代码。通过线上监控捕获坏例子，转化为测试用例，驱动系统持续进化。
概率系统：接受智能体的概率性本质。通过沙箱限制爆炸半径，通过红队测试提前发现风险。
人机协同：在关键步骤引入 HITL 机制，确保高风险操作可控。
下一步
下一章将进入一个全新的领域：Agentic Coding。这不仅仅是关于如何写代码，而是关于如何编排 AI 来构建软件。
下一章: 第十章：智能体编程实践
Last updated