FRONTIER · 工程实践
构建有效的智能体
Building Effective Agents
Anthropic 工程团队
构建 Claude Code 与 MCP 的同一支工程团队
为什么选它做 AI 应用的人应该读的第一篇。它开门见山泼冷水：大多数场景你根本不需要智能体。两年过去这个判断更成立了——很多团队一上来就搭多智能体框架，结果给自己造了个没法调试的黑箱。
做 AI 应用的人应该读的第一篇。它最有价值的地方在于开门见山地泼了盆冷水：大多数场景，你根本不需要智能体。
文章先做了一个关键区分。工作流是你把步骤写死，LLM 在固定路径上填空；智能体是模型自己决定下一步做什么、用哪个工具、什么时候算完。前者可预测、好调试、便宜；后者灵活但慢、贵、难排查。作者的建议非常直接：先用最简单的方案，只有当简单方案确实不够时，才增加复杂度。很多团队一上来就搭多智能体框架，结果是给自己造了个没法调试的黑箱。
文中总结的几种常用模式很实用：提示链（拆成几步顺序做，每步可校验）、路由（先分类再分派给专门的处理逻辑）、并行（同时跑多路然后汇总，或多次投票）、编排者-执行者（一个主模型拆任务派给子任务）、评估-优化（一个模型生成、另一个批评，循环改进）。
最该记住的一句。作者反复强调：成功的实现往往用的是简单、可组合的模式，而不是复杂的框架。框架帮你快速起步，但会隐藏底层的提示词和调用细节，出问题时你连发生了什么都看不见。建议是先直接调 API 把流程跑通，理解清楚之后再决定要不要上框架。这条经验在两年后的今天依然成立，甚至更成立。
去读原文
本文是原创导读，不是原文翻译——真正的细节、证据和微妙之处都在原文里。
原文Anthropic Engineering · Building Effective Agents →
本文为 AKL AI Club 原创撰写的导读，不是原文翻译；著作权归原文作者所有。 篇目由编辑独立选取，来源均经人工核实。