Phase 14: Agent Engineering

简单而不是复杂的"人类"工作流程模式

施伦茨和张 (Anthropic, Dec 2024) 区分工作流程 (预定义的路径) 与代理 (动态工具使用).五个工作流程模式涵盖大多数情况.从直接的API调用开始.只需无法预测步骤时添加代理.

Type: Learn + Build

Languages: Python (stdlib), TypeScript

Prerequisites: Phase 14 · 01 (Agent Loop)

Time: ~60 minutes

学习目标

命名Anthropic的五个工作流程模式:快速链接,路由,并行,管弦工作者,评估者优化器.
解释代理与工作流程的区别以及每个工程成本.
确定何时选择工作流而不是代理 (反之亦然).
执行五个模式,与编写的LLM进行.

问题

团队寻求多代理框架来解决需要单次函数调用的问题.成本是真实的:框架添加了模糊提示的层次,隐藏了控制流量,并邀请过早的复杂性.Schluntz和张的2024年12月的帖子是行业最受引用的推迟:简单开始,只有当它获得成本时添加复杂性.

概念

工作流程与代理人

Workflow.工程师拥有图表.
Agent.士们动态地指导自己的工具,采取自己的步骤.

工作流程便宜,快速,更容易调试. 代理人解锁了无限的问题, 但使失败模式更难推理.

增强的法定律师

基础五种模式:一个LLM,有三个功能,包括搜索 (检索),工具 (行动),内存 (持久性).任何API调用都可以使用这些.

五种模式

Prompt chaining.输出调用1是输入调用2. 使用当任务具有清洁的线性分解时. 选项间的程序门.

Routing.类别的LLM选择下游LLM或工具. 使用当不同的输入需要不同的处理 (级-1支持与退款与错误与销售).

Parallelization.运行N LLM同时调用,总结结果.两个形式:分区 (不同块) 和投票 (相同的提示,N运行,多数/合成).

Orchestrator-workers.管弦乐师 (LLM) 动态决定哪些工人 (也叫做LLM) 运行并合成他们的产量.类似于代理循环,但管弦乐师不会无限时间循环.

Evaluator-optimizer.一个法学士提出答案,另一个法学士评估它. 连续进行直到评估者通过. 这就是自我清理 (课程05).

工作流程比代理人更好

Predictable tasks.如果您能列出步骤,那么您应该.
Cost-bound tasks.工作流程有限步骤数量; 代理人可以螺旋.
Compliance-bound tasks.审计人员希望阅读图表,而不是从轨迹中推断.

代理人比工作流程更好

Open-ended research.接下来的步骤是什么,取决于最后的步骤是什么.
Variable-length tasks.工作时间分钟到几个小时,步骤数量不清楚.
Novel domains.首先要编码,然后要编码.

环境工程的伴侣

"人工智能代理人有效的文本工程" (Anthropic 2025) 正式化了相邻的学科:200k窗口是一个预算,而不是容器.什么要包括,何时缩小,何时让文本生长.在文本压缩的第14阶段课程 (在重新编号之前的第14阶段课程中,第06课程) 中详细介绍.

建立它

code/main.py执行所有五种工作流程模式ScriptedLLM其他:

prompt_chain(input, steps)连续.
route(input, classifier, handlers)分类+发送.
parallel_vote(prompt, n, aggregator)N运行,总数.
orchestrator_workers(task, workers)管家选工人.
evaluator_optimizer(task, proposer, evaluator, max_iter)循环到通过.

运行它:

code

python3 code/main.py
npx tsx code/main.ts

每个图案都会印出其痕迹.每个图案的代码总线是10-15个;一个框架的成本是以数千计的.

用它

直接 API 要求大多数任务.
只有当模式真正需要持久状态 (LangGraph),演员模型同步性 (AutoGen v0.4),或角色模板 (CrewAI) 时.
找克劳德代理 SDK,当你想要克劳德代码的使用形状,

运送它

outputs/skill-workflow-picker.md选择给定的任务描述的正确模式,包括决定的理由和工作流程不足时向代理的重点路径.

运动

实现可靠性门的路由. 门以下 -> 升级到人. 对于一级支持使用情况,门到底是什么?
加入时间休息parallel_vote什么会发生当一个电话挂?
转evaluator_optimizer让二排前进的输出在反复中保持,以免一个晚期好的结果被晚期的坏结果覆盖.
结合即时链接和路由:路由器选择三条链中的一个. 测量代币成本与单个大即时代代方案.
选择一个生产特征,绘制工作流程图,计算步骤.

关键词

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

进一步阅读

Anthropic, Building Effective Agents (Dec 2024)五个工作流程模式
Anthropic, Effective context engineering for AI agents伴侣的纪律
LangGraph overview当状态图表取成本时
OpenAI Agents SDK 演唱家-工人模式,生产

This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.

Browse the complete course catalog or open this lesson on GitHub.