构建有效的 Agent 工作流：生产 AI 系统的经验教训

大规模部署 AI Agent 的经验

经过多年炒作，AI agent 终于达到生产成熟度。构建现实世界 agent 系统的公司发现了有效的模式和不起作用的反模式。

有效的

1. 分层 agent 设计 — 用路由器委派给专业子 agent
2. 人在回路检查点 — 关键决策应有审批门
3. 优雅降级 — 不确定性时应退回更简单可靠的行为
4. 结构化输出强制 — 使用 JSON schema 和验证
5. 成本监控 — 实现每任务预算和硬性上限

无效的

1. 完全自主循环 — 无监督运行的 agent 倾向于漂移和复合错误
2. 过度依赖单一模型 — 不同模型擅长不同任务
3. 忽略延迟 — 用户不愿等待 30 秒
4. 低估提示工程 — 提示不会消失，只是变得更复杂
5. 跳过评估 — 无系统评估质量会静默下降

架构模式

ReAct 循环、计划与执行、多 Agent 协作、工具增强单一 Agent。

关键指标

任务完成率、每任务平均轮次、每任务 token 成本、人工覆盖率、用户满意度、错误恢复率。