《A Practical Guide to Building Agents》文档学习

《A Practical Guide to Building Agents》文档总结

该文档是一份面向产品和工程团队的实用指南，旨在帮助团队探索并构建首个基于大语言模型（LLM）的智能体（Agent），提炼了大量客户部署经验，提供了从概念定义到实际落地的全流程最佳实践。

一、智能体（Agent）的核心定义

1. 本质与区别

• 本质：智能体是能代表用户独立完成任务的系统，可执行用户目标所需的一系列工作流（如解决客服问题、预订餐厅等），且具备高度自主性。
• 与传统软件/简单LLM应用的区别：传统软件需用户操作以简化自动化工作流，而智能体可自主执行；仅集成LLM但不控制工作流执行的应用（如简单聊天机器人、单轮LLM交互工具）不属于智能体🔶1-13。

2. 核心特征

• 依赖LLM管理工作流执行与决策，能识别工作流完成状态，主动纠正错误，失败时可暂停执行并将控制权交回用户。
• 可访问多种工具与外部系统交互（获取上下文、执行操作），并能根据工作流当前状态动态选择合适工具，且始终在明确的约束（Guardrails）内运行。

二、何时构建智能体

1. 核心适用场景

智能体适合传统确定性、规则化方法难以应对的工作流，优先选择以下三类场景：

• 复杂决策类：涉及细微判断、例外情况或上下文敏感决策的工作流，如客服流程中的退款审批。
• 规则难维护类：因规则集庞大复杂导致更新成本高、易出错的系统，如供应商安全审查。
• 依赖非结构化数据类：需解读自然语言、从文档提取信息或与用户对话交互的场景，如处理房