Phase 14: Agent Engineering

أنماط سير العمل في الأنثروبيك: بسيطة أكثر من معقدة

تشلونتز وجانغ (أنثروبوليك ، ديسمبر 2024) تميزان سير العمل (مسارات محددة مسبقا) عن العملاء (استخدام الأدوات الديناميكية). تغطي نمطات سير العمل الخمسة معظم الحالات. ابدأ بمكالمات API المباشرة. أضف العملاء فقط عندما لا يمكن التنبؤ بالخطوات.

Type: Learn + Build

Languages: Python (stdlib)

Prerequisites: Phase 14 · 01 (Agent Loop)

Time: ~60 minutes

أهداف التعلم

أسمائ أنطروبيك الخمسة أنماط سير العمل: السلسلة السريعة، التوجيه، التوازي، الموسيقي-العمال، المقيّم-التحسين.
شرح التمييز بين العميل و التدفق العمل وتكلفة الهندسة لكل منها.
تحديد متى يجب اختيار سير العمل على وكيل (و العكس).
تنفيذ جميع الأنماط الخمسة في STDlib ضد ماجستير في العلوم.

المشكلة

يتوجه الفريق إلى إطار عمل متعدد الوكلاء للمشاكل التي تحتاج إلى مكالمة عمل واحدة. التكلفة حقيقية: إضافة الأطر الطبقات التي تغمض الطلبات، وتخفي تدفق التحكم، ودعوة التعقيد المبكر. نشرة شلونتز وجانغ في ديسمبر 2024 هي أكثر الرجوع في الصناعة نقلاً: البدء بسيطًا، إضافة التعقيد فقط عندما يكسب تكلفته.

المفهوم

تدفقات العمل مقابل العملاء

Workflow.الـ LLM والأدوات التي يتم تنظيمها من خلال مسارات رمز محددة مسبقاً. المهندسون يملكون الرسم البياني.
Agent.الـ LLM يديرون أدواتهم بشكل ديناميكي و يتخذون خطواتهم الخاصة.

كل منهما له مكانه. عمليات العمل أرخص وأسرع وأسهل لإصلاحها. يقوم العملاء بتحرير المشاكل المفتوحة ولكن يجعل وضع الفشل أكثر صعوبة في التفكير.

الـ "LLM" المُكثّف

أساس للأنماط الخمسة: ماجستير في التدريس مع ثلاثة قدرات مرتبطة في البحث (التحقيق) والأدوات (الأعمال) والذاكرة (الاستمرار). يمكن لأي اتصال API استخدام هذه.

الخمسة أنماط

Prompt chaining.إنتاج الدعوة 1 هو إدخال الدعوة 2. استخدم عندما يكون لدى المهمة تفكيك خطي نظيف. البوابات البرمجيات الاختيارية بين الخطوات.

Routing.يختار مؤسسة التدريس التدريجي (LLM) المصنف ما هي القانون التدريجي أو الأداة التي يجب استدعائها. استخدمها عندما تحتاج مدخلات مختلفة بشكل فوري إلى معالجة مختلفة (دعم المستوى 1 مقابل استرداد مقابل حذير مقابل مبيعات).

Parallelization.إدارة N LLM مكالمات في وقت واحد، نتائج مجمعة. شكلين: قسم (قطعات مختلفة) وصوت (المساعدة نفسها، N تشغيل، الأغلبية / التجميع).

Orchestrator-workers.يقرر الموسيقي LLM بشكل ديناميكي أي العمال (وهي أيضًا LLM) تعمل ويخلق إنتاجهم. يشبه حلقات العميل ولكن الموسيقي لا يعمل بشكل غير محدد.

Evaluator-optimizer.تقترح الجامعة القانونية واحدة إجابة، وتقوم الجامعة القانونية الأخرى بتقييمها. تكرر حتى يمر المقيّم. هذا هو التكرير الذاتي (درس 05) بشكل عام.

حيث تتدفق عمليات العمل تغلب على العملاء

Predictable tasks.إذا كنت تستطيع أن تعد الخطوات، يجب عليك.
Cost-bound tasks.تدفقات العمل لديها عدد خطوات محددة؛ يمكن للعملاء أن يتحركوا في طائفة.
Compliance-bound tasks.المراجعون يريدون قراءة الرسم البياني، وليس استنتاجها من المسارات.

حيث يتغلب العملاء على عمليات العمل

Open-ended research.متى ستقوم الخطوة التالية يعتمد على ما قدمته الخطوة الأخيرة
Variable-length tasks.دقائق إلى ساعات العمل حيث عدد الخطوات غير معروف.
Novel domains.عندما لا تعرفي التدفق الصحيح للعمل أولاً، قم بتعديلها لاحقاً.

المرفق في الهندسة السياقية

"هندسة السياق الفعالة لعاملين الذكاء الاصطناعي" (أنثروباتي 2025) تُسمّم التخصص المجاور: نافذة 200k هي ميزانية، وليس حاوية. ماذا يجب تضمين، متى يجب تضخيمها، متى يجب ترك السياق ينمو. يتم تغطيتها بالتفصيل في الدورة 14 حول ضغط السياق (المرحلة 14 الدورة 06 السابقة في هذا المناهج الدراسية قبل إعادة الرقم).

بناءها

code/main.pyتنفيذ جميع أنماط سير العمل الخمسة ضد ScriptedLLM:

prompt_chain(input, steps) تسلسل
route(input, classifier, handlers) التصنيف + الإرسال
parallel_vote(prompt, n, aggregator) N يصل، مجموع.
orchestrator_workers(task, workers)الموسيقي يختار العمال
evaluator_optimizer(task, proposer, evaluator, max_iter)حلقة حتى يمر

إشغله

python3 code/main.py

كل نمط يطبع آثاره. إجمالي خطوط الرمز لكل نمط هو ~ 10-15؛ يتم قياس تكلفة الإطار في الآلاف.

استخدمها

API المباشر يدعو لمعظم المهام.
الإطار فقط عندما يحتاج النمط حقاً إلى حالة دائمة (LangGraph) ، أو متزامن بين النموذج الفاعل (AutoGen v0.4) ، أو تعبئة الدور (CrewAI).
إبحث عن SDK العميل كلود عندما تريد شكل قناع كود كلود بدون إعادة بناءه

أرسله

outputs/skill-workflow-picker.mdيختار النمط المناسب لتصفية مهمة معينة، بما في ذلك سبب القرار والمسار المتبنى للعميل إذا كانت عمليات العمل لا تناسب.

التمارين

تنفيذ التوجيهات مع عتبة الثقة. أسفل العتبة -> تصاعد إلى البشر. أين يصل العتبة لحالة استخدام دعم المستوى 1؟
إضافة وقت وقف إلى parallel_voteماذا يحدث عندما تنطلق مكالمة واحدة كيف تجمع مع الأصوات المفقودة؟
إلتفتevaluator_optimizerإلى القاتل: الحفاظ على النتائج الأولى إلى الثانية عبر التكرارات حتى لا يتم تغطية النتيجة الجيدة المتأخرة من قبل الخطر المتأخر.
الجمع بين سلسلة الإرسال بالتوجه: يقوم جهاز توجيه باختيار واحدة من ثلاثة سلسلة. قياس تكلفة الرمز مقابل بديل واحد كبير.
اختر أحد ميزات الإنتاج، رسم رسم سير العمل، عد الخطوات، هل سيكون عميل أفضل هنا؟

الشروط الرئيسية

Term	What people say	What it actually means
Workflow	"Predefined flow"	Engineer-owned graph of LLM and tool calls
Agent	"Autonomous AI"	Model-owned graph; dynamic tool direction
Augmented LLM	"LLM with tools"	LLM + search + tools + memory; the atomic unit
Prompt chaining	"Sequential calls"	Output of call N is input to call N+1
Routing	"Classifier dispatch"	Pick which chain/model handles the input
Parallelization	"Fan out"	N concurrent calls; aggregate by sectioning or voting
Orchestrator-workers	"Dispatcher agent"	Orchestrator LLM picks specialist LLMs dynamically
Evaluator-optimizer	"Proposer + judge"	Iterate until evaluator passes; Self-Refine generalized