https://laisky.notion.site/Building-Effective-AI-Agents-Anthropic-2ddba4011a868146b90bf176d265cf81?source=copy_link
虽然人们喜欢说 agent 取代了 workflow，但是 agent 本身其实也是由一系列的 workflow 最小功能单元组成的。
区别在于，workflow 是由固定的逻辑和工具组成的。而 agent 则是由 LLM 动态选择工具和生成逻辑组成的。
本文介绍了用来构建 agent 的 workflow 功能单元：
- chain: 最常见的串行流水线
- routing: 动态判断任务类型，传递给不同的下游
- parallel: 并行处理多个任务
- orchestrating: 类似于 parallel，但是下游的任务是动态生成的，而不是预定义的并行流水线
- evaluator-optimizer: 如果存在一个清晰的验收标准，那么添加一个 feedback loop 可以显著提升输出质量
agents 的执行路径是动态生成的，无法预测准确执行步数和资源消耗。但是为了防止死循环等问题，应该对资源消耗、步数等预设停机条件。
👇 next
虽然人们喜欢说 agent 取代了 workflow，但是 agent 本身其实也是由一系列的 workflow 最小功能单元组成的。
区别在于，workflow 是由固定的逻辑和工具组成的。而 agent 则是由 LLM 动态选择工具和生成逻辑组成的。
本文介绍了用来构建 agent 的 workflow 功能单元：
- chain: 最常见的串行流水线
- routing: 动态判断任务类型，传递给不同的下游
- parallel: 并行处理多个任务
- orchestrating: 类似于 parallel，但是下游的任务是动态生成的，而不是预定义的并行流水线
- evaluator-optimizer: 如果存在一个清晰的验收标准，那么添加一个 feedback loop 可以显著提升输出质量
agents 的执行路径是动态生成的，无法预测准确执行步数和资源消耗。但是为了防止死循环等问题，应该对资源消耗、步数等预设停机条件。
👇 next
laisky on Notion
Building Effective AI Agents \ Anthropic | Notion
Over the past year, we've worked with dozens of teams building large language model (LLM) agents across industries. Consistently, the most successful implementations weren't using complex frameworks or specialized libraries. Instead, they were building with…
