文章来源于互联网:Anthropic总结智能体年度经验：最成功的≠最复杂的
高端的食材，往往需要最朴素的烹饪方式。
-
原文链接：https://www.anthropic.com/research/building-effective-agents
-
工作流是通过预定代码路径编排 LLM 和工具的系统 -
智能体则是由 LLM 动态指导自身流程和工具使用的系统，能自主控制任务的完成方式
-
LangChain 的 LangGraph -
亚马逊 Bedrock 的 AI Agent 框架 -
拖放式的大模型工作流构建工具 Rivet -
用于构建和测试复杂工作流的 GUI 工具 Vellum
-
手册链接：https://github.com/anthropics/anthropic-cookbook/tree/main/patterns/agents
-
根据具体的应用场景来定制功能 -
确保为模型提供简单且文档完备的接口
提示链工作流。-
先生成营销文案，再将其翻译成其他语言 -
先写文档大纲并进行合规性检查，再基于大纲撰写完整文档
-
在客服系统中，可以将一般咨询、退款申请、技术支持等不同类型的问题，分别引导到相应的处理流程。 -
将简单 / 常见问题分配到 Claude 3.5 Haiku 等较小模型，将困难 / 罕见问题分配到 Claude 3.5 Sonnet 等更强大的模型，以优化成本和速度。
-
任务分段：将任务拆分为可并行运行的独立子任务，每个子任务可以同时进行处理，最后再整合结果。 -
投票机制：对同一任务进行多次运行，获得多个不同版本的输出，从而选择最优结果或综合多个答案。
-
安全防护：一个模型负责处理用户请求，另一个专门负责内容审核，这比单个模型同时处理两项任务效果更好。 -
性能评估：让不同的模型分别评估系统的各个性能指标，实现全面的自动化评估。
-
代码安全检查：同时运行多个检测模型，共同发现和标记潜在的代码漏洞。 -
内容审核：通过多个模型从不同角度评估内容安全性，通过调整投票阈值来平衡误判率。
-
需要对多个文件进行复杂修改的编程应用。 -
需要从多个来源收集和分析相关信息的搜索任务。
-
文学翻译：翻译模型可能在第一次翻译时遗漏一些细微的语言差异，而评估模型能够发现这些问题并提供有价值的修改建议。 -
复杂搜索：某些信息收集任务需要多轮搜索和分析才能获得全面的结果，评估模型可以判断是否需要继续深入搜索。
-
一个代码智能体，用于解决涉及根据任务描述编辑多个文件的 SWE-bench 任务 -
Anthropic 的「Computer use」功能，其中 Claude 使用计算机完成任务。
-
在智能体设计中保持简单； -
要优先确保智能体的透明度，方法是清楚地展示它计划中的每一步； -
通过全面的工具文档和测试精心打造你的智能体 – 计算机界面（ACI）。
文章来源于互联网:Anthropic总结智能体年度经验：最成功的≠最复杂的
