<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>AI Agent 学习笔记 – Building effective agents</title>
    <link>https://skyao.net/learning-ai-agent/timeline/2024/building-effective-agents/</link>
    <description>Recent content in Building effective agents on AI Agent 学习笔记</description>
    <generator>Hugo -- gohugo.io</generator>
    <language>zh-cn</language>
    <lastBuildDate>Tue, 15 Sep 2026 00:00:00 +0000</lastBuildDate>
    
	  <atom:link href="https://skyao.net/learning-ai-agent/timeline/2024/building-effective-agents/index.xml" rel="self" type="application/rss+xml" />
    
    
      
        
      
    
    
    <item>
      <title>Timeline: Building effective agents（材料）</title>
      <link>https://skyao.net/learning-ai-agent/timeline/2024/building-effective-agents/source/</link>
      <pubDate>Tue, 15 Sep 2026 00:00:00 +0000</pubDate>
      
      <guid>https://skyao.net/learning-ai-agent/timeline/2024/building-effective-agents/source/</guid>
      <description>
        
        
        &lt;p&gt;本页转述 &lt;strong&gt;2024-12-19 博文当时写了什么&lt;/strong&gt;，不把 2025 年 Claude Code 运行时回填成文中已有产品。&lt;/p&gt;
&lt;p&gt;主要出处：Anthropic，2024-12-19，&lt;a href=&#34;https://www.anthropic.com/engineering/building-effective-agents&#34;&gt;Building effective agents&lt;/a&gt;。本页不复制全文。&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id=&#34;主张&#34;&gt;主张&lt;/h2&gt;
&lt;p&gt;作者写：过去一年与数十个行业团队一起做 LLM agent，最成功的实现往往&lt;strong&gt;不用&lt;/strong&gt;复杂框架或专用库，而是简单、可组合的模式。&lt;/p&gt;
&lt;p&gt;文中把两条路分开：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;工作流（workflows）：&lt;/strong&gt; LLM 和工具沿&lt;strong&gt;预定义&lt;/strong&gt;的代码路径编排。可预期。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;Agent：&lt;/strong&gt; LLM &lt;strong&gt;自己&lt;/strong&gt;动态指挥过程与工具使用，掌控怎么完成任务。&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;建议：从简单提示词开始，用评测优化；只有更简单的方案不够用时，再加多步 agentic 系统。成功不在于最精巧，而在于对需求刚好合适。&lt;/p&gt;
&lt;h2 id=&#34;模式文中列举的方向&#34;&gt;模式（文中列举的方向）&lt;/h2&gt;
&lt;p&gt;工作流侧包括：提示链、路由、并行化、编排器–工人、评估器–优化器。Agent 侧：理解输入、规划、用工具、从错误恢复；用环境反馈（工具结果、代码执行）决定下一步；在检查点或卡住时找人；用迭代上限等作为停机条件。&lt;/p&gt;
&lt;p&gt;例子：把简单客服问题路由到小模型（如 3.5 Haiku），难的给 Sonnet；按退款/技术支持走不同下游。&lt;/p&gt;
&lt;h2 id=&#34;当时不是什么&#34;&gt;当时不是什么&lt;/h2&gt;
&lt;p&gt;这是工程博文，不是新协议、新基准或新模型。它没有宣布 Anthropic 已经做出消费级自主员工。框架被写成可选，不是禁止。&lt;/p&gt;

      </description>
    </item>
    
    <item>
      <title>Timeline: Building effective agents 讲解</title>
      <link>https://skyao.net/learning-ai-agent/timeline/2024/building-effective-agents/explanation/</link>
      <pubDate>Tue, 15 Sep 2026 00:00:00 +0000</pubDate>
      
      <guid>https://skyao.net/learning-ai-agent/timeline/2024/building-effective-agents/explanation/</guid>
      <description>
        
        
        &lt;h2 id=&#34;当时解决了什么问题&#34;&gt;当时解决了什么问题&lt;/h2&gt;
&lt;p&gt;2023–2024 的框架营销倾向于：多 Agent、图越复杂越先进。生产里大量任务其实是固定步骤：抽字段、调两个 API、写摘要。把这些做成「自主 Agent」会多付延迟、钱和失败模式。这篇博文用厂商自己的客户实施经验，把冷水泼在「一切都上多 Agent」上。&lt;/p&gt;
&lt;p&gt;文中切法要记死：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;工作流：&lt;/strong&gt; LLM 和工具沿预定义的代码路径编排。边在代码里，可预期。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;Agent：&lt;/strong&gt; LLM 自己动态指挥过程与工具使用。边在模型输出里。&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;按本站定义，工作流往往&lt;strong&gt;不是&lt;/strong&gt; AI Agent：路径预写死，模型只在节点上生成。自主 Agent 才接近本站定义。两者可以组合，不要用同一个词。多 Agent 是一种拓扑，不是更强的循环原语。&lt;/p&gt;
&lt;h2 id=&#34;对后续-llm-与-agent-的影响&#34;&gt;对后续 LLM 与 Agent 的影响&lt;/h2&gt;
&lt;p&gt;建议写成工程顺序：先简单提示，评测不够再用多步系统。成功不在于最精巧。2025 年的 Claude Code / Codex 是厂商托管的自主循环，看起来和「少用框架」并不矛盾——循环被收进运行时，而不是让每个应用自己叠一层编排库。博文的遗产是设计原则，不是新协议或新基准。读 2024 年底的架构选择，这篇比 CrewAI / AutoGen 的发布会更接近后来留下的口味。&lt;/p&gt;

      </description>
    </item>
    
  </channel>
</rss>
