Agent 框架

按 Anthropic 的经典划分：工作流是代码预先编排好的固定流程，LLM 在其中被调用（单次提示、路由、并行、编排器加工人、评估器加优化器五种模式），路径确定、可预测、好测试，适合能拆成明确步骤的任务；智能体是模型自主决定路径的循环——模型根据环境反馈选择工具、执行、观察结果、再决策，直到完成任务或达到停止条件，灵活但不可预测、成本高、更难评估。判断标准：任务步骤能否预先确定——能确定就用工作流，别为炫技上智能体；需求是开放式探索（研究、复杂运维排障、多约束计划）才值得智能体。工程共识是从最简单的提示组合起步，逐级增加复杂度，每一步都用评估证明收益。能复述五种工作流模式并给选型准则即满分。

ReAct 是思考与行动交错的单循环：每轮模型先输出思考（Thought，分析现状与下一步）、再行动（Action，调工具）、观察结果（Observation）进入下一轮，边想边做、遇错即改，实现简单、适应性强，适合探索性任务；缺点是每步都要完整推理、token 消耗大、长任务上下文膨胀、容易中途跑偏循环。规划-执行两阶段：先让模型产出完整计划（任务分解、步骤依赖），再逐步执行（可由轻量模型或子智能体执行），执行中可重规划；优点是全局视图清晰、步骤可并行、计划可人工审核纠偏，适合结构化大任务（多源调研报告、批量代码修改）；缺点是计划赶不上变化时重规划成本高、初期计划错误传播。实践常混合：先规划成图，节点执行用 ReAct 微循环。能讲两种模式的循环结构与适用差异即优秀。

分四层。工作记忆即上下文窗口内的对话与中间结果，管理重点是压缩（摘要滚动、超限裁剪）与结构化（state 对象）；短期记忆是会话内的消息历史，多轮要防膨胀——保留最近若干轮加早期摘要、关键事实抽取到状态；长期记忆跨会话持久化，常见形态是向量库检索情景记忆（过往相似案例与解决过程）加结构化事实存储（用户偏好、实体属性），写入要打标签与时间以便检索与遗忘；程序性记忆沉淀「怎么做」——成功轨迹蒸馏成可复用技能或提示模板（Voyager 的技能库思路），失败案例入库供规避。配套机制：记忆写入策略（何时存、去重、置信度）、检索按任务相关性加时间衰减、遗忘与容量控制、多用户隔离与隐私。能按层次给出存储选型与压缩手段即完整。

工具是智能体的手脚，设计质量决定能力上限。原则一：功能正交、粒度适中——工具之间职责不重叠（模型选择困难会翻倍错误率），单个工具完成一件完整的事（过于原子化需要模型完美编排，过于万能参数又复杂）。原则二：描述写给模型看——名称动词化、docstring 说清何时用与何时不用、参数有类型与描述与枚举约束、给一到两个调用示例；模型选错工具多半是描述问题。原则三：控制数量——工具过多时分组（先选工具类别）或检索式动态挂载（按任务从工具库挑相关子集），几十个全量挂载会显著降低选择准确率。原则四：返回结构化且带错误语义——错误信息可读可自纠（缺什么参数、权限不够、资源不存在），返回体精简防上下文爆炸（大结果给摘要与 ID 再按需取）。原则五：危险操作要有确认与幂等设计。能讲描述工程与数量控制即优秀。

评估三层。端到端任务评估：以最终任务成败为准（文件真的改对了吗、答案与金标一致吗），构建任务级评估集（真实场景加失败回流），用自动断言加 LLM judge 加人工抽检；轨迹评估：不只看结果还看过程——步骤数、工具调用正确率、循环与死路次数、是否遵循既定规划，轨迹数据同时是调试的主要素材；组件评估：单测工具（给定输入断言输出）、检索召回率、子提示的准确率。调试工具：完整轨迹追踪（每步输入输出 token 成本延时，LangSmith 类平台）、时间旅行重放（改某步重跑后续）、离线回放评测与影子运行。常见病与药：循环不收敛（加步数上限与自我检查节点）、上下文溢出（摘要与状态外置）、工具误选（改描述与分组）、随机性不稳（评估多次采样看方差而非单次）。能讲三层评估加轨迹回放即完整。