首页 / Skills 资产 / agent-pattern-selector
agent-pattern-selector
为一个 LLM 应用任务选择 Agent 架构模式时使用。当用户描述了一个自动化/智能化需求，需要判断该用简单工作流还是自主 Agent、选五种模式中的哪一种时，按此决策指引执行。基于 Anthropic《Building Effective Agents》。
来源：Anthropic《Building Effective Agents》官方定调。核心原则先行：能用工作流解决的，不要用自主 Agent。工作流可预测、成本低、好调试；Agent 灵活但贵且不可预测。
决策路径
- 任务能否拆成固定步骤、一次写死流程？
- 能 → 用工作流（看下面模式 1–3）
- 不能，步骤依赖中间结果动态决定 → 用自主 Agent（模式 4–5）
- 要不要多模型/多角色分工？
- 只是顺序加工 → Prompt Chaining
- 要按输入类型分流 → Routing
- 要同时起跑再汇总 → Parallelization
五种模式速查
1. Prompt Chaining（提示链）
任务分解为固定子步骤，前一步输出是后一步输入。适合：先生成大纲再写全文、先抽取再翻译。加分做法：步骤间加"门控"（checkpoint），不合格就终止或重试。
2. Routing（路由）
先分类，再分发给专门处理分支。适合：客服工单分流（退款/咨询/投诉走不同 prompt）、简单问题走小模型省成本。
3. Parallelization（并行）
多个 LLM 同时跑，结果聚合。两种用法：分区（一个任务拆成独立子任务同时跑）+ 投票（同一任务跑多次取多数）。适合：内容安全审查（一个模型答题、一个模型复查）、多角度评审。
4. Orchestrator–Workers（编排者-工人）
一个 LLM 动态拆解任务、分发给工人 LLM、再综合结果。适合：子任务数量和内容无法预知的场景（对多个代码文件做复杂改动、多源调研）。
5. Evaluator–Optimizer（评估-优化循环）
一个 LLM 生成，另一个 LLM 评估给反馈，循环到达标。适合：有明确评价标准、且 LLM 给的反馈确实有用时（文学翻译、要求严格的文案）。
常见误判
- 症状"Agent 经常跑偏" → 多半是任务其实有固定流程，改回 Prompt Chaining + 门控
- 症状"响应太慢/太贵" → 检查是否把 Routing 能解决的事做成了全量 Orchestrator
- 面试答题结构：先讲"我判断这是工作流问题还是 Agent 问题"，再讲选型——这是 Anthropic 面试的加分信号
原文
- Building Effective Agents：https://www.anthropic.com/engineering/building-effective-agents