4
0讨论内容基于：I want to build an AI agent today
智能章节
00:03 AI智能体开发课程介绍及搭建目标
本章节主要围绕用大语言模型开发自有 AI 智能体展开讨论。提到课程将涉及智能体核心原理、工具选择、流程设计及测试优化等内容。还介绍了 AI 智能体实战大课，目前缺乏让零基础者做出智能体的完整课程，说话人 2 整合资料、借助 Claude 形成教程，文章分 8 部分，目标是让读者看完能搭建首个 AI 智能体。
本章节主要讨论智能体核心工作原理。所有智能体有基本循环，用户输入进入大型语言模型，模型决定直接回应或调用工具，工具结果再反馈到模型直至任务完成。语言模型如大脑负责思考，工具如手做具体事，记忆似记事本增强连贯性。不同框架实现智能体本质围绕核心循环，只是抽象和编程接口不同。
本章节讨论了增强的语言模型在基础模型上增加的核心能力。增强模型在只能处理文本输入输出的基础模型上增加了三大能力，分别是工具调用，可调用计算器、数据库查询等外部工具，通过JSON schema描述；检索能力，可从搜索引擎等查找相关信息；记忆能力，能保存对话历史和中间结果供后续使用。
本章节讨论了固定工作流和智能体的选择问题。工作流是完全确定的流程，适合步骤明确、无变化的任务，更省钱；智能体适用于开放性任务，需大模型动态决定步骤，成本较高。大部分简单场景无需智能体，合理方式是先从简单工作流做起，任务变复杂时再考虑升级成智能体。
本章节围绕五大核心工作流模式展开，包括它们的设计与适用场景。prompt链是拆分大任务，上一步输出作下一步输入，适合明确子任务顺序的情况；路由是用分类器将输入分类，用不同prompt处理，适用于多种输入有不同处理逻辑；并行化可同时跑无依赖的LLM调用；orchestrator workers适合复杂、无法提前规划步骤的任务；evaluator optimizer有生成和评估LLM，适用于有清晰评价标准的任务。
本章节聚焦如何构建属于自己的AI智能体。很多人初涉会被框架、工具弄晕，可先明确智能体要做的事并拆分步骤，用5个实例测试没问题后再增加复杂功能。构建时无需一开始成框架大师，可从Anthropic或Openai选其一，前者适合多工具操作等场景，后者适合快速做产品的场景。
本章节讨论了智能体使用需明确的4个关键点。一是明确智能体最终要产生的结果，如写总结、处理客户请求等；二是想好完成任务所需数据，如联网搜索、读文件等；三是规定智能体可进行的操作，如发邮件、修改文件等；四是设定规则，包括输出格式、语言风格及未知问题处理方式。
本章节讨论了设计智能体时如何利用 AI。指出若想清楚四个方面，首个版本的智能体可较快落地。介绍了高效方法，即在写代码前用 Claude 或 ChatGPT 等对话模型，将想法告知它以补充完善细节。还提到可给其特定 prompt，让它输出智能体详细设计、系统 prompt、工具列表，规划开发路线图并生成测试用例。
本章节主要讨论了设计有用智能体的通用公式。说话人2表示可将智能体看作角色、目标、工具、规则和输出格式五个部分的组合。还举例说明，如做加密货币项目研究助手，角色是研究员，目标是查找信息并总结，工具包括网页搜索等，规则是标明结论出处等，输出为要点总结等形式，让说话人1明白了用法。
本章节主要讨论了新手可练手的智能体类型。说话人2认为新手没必要一开始就搞多智能体协作，可从5种智能体中选一个。包括能上网查资料总结的research agent、处理内容的content agent，说话人1还补充了处理业务流程的workflow agent、理解知识库的personal knowledge agent和操作电脑文件执行命令的operator agent，每种都有具体应用场景。
13:40 Anthropic搭建智能体的适用场景与设计方法
本章节主要讨论了使用Anthropic搭建智能体的相关问题。Anthropic适合解决需频繁操作文件、执行命令、写代码等复杂任务，核心流程是分配任务并提供工具让其自动循环执行。还介绍了设计研究总结、文件写作智能体的角色、目标、工具、规则和输出，最后提到向AI描述需求可节省时间，能得到系统prompt等内容。
本章节围绕用Openai构建智能体展开，介绍其适合场景，如快速将原型做成产品，支持多智能体交接等。阐述开发到部署流程，以支持工单自动分类为例说明实现方法，还提及扩展自定义功能、使用托管工具的方式。最后指出搭建前要想清目标、任务、工具和输出格式等关键问题，AI可协助生成指令、集成工具等。
本章节主要讨论设计智能体的注意事项及搭建步骤。设计时要避免初学者误区，职责范围定得越具体越好，输出结果要有清晰格式并给具体例子，按需增加工具，用真实混乱输入测试。搭建时先写目标，用AI生成详细SPEC，先做最简可跑版本，跑通核心流程，用真实数据测试，再按需优化。
本章节围绕智能体搭建展开讨论。指出做智能体最易踩的坑是想做全能超级智能体，塞过多功能致混乱。避免方法是从简单任务开始，配一到两个工具，用5到10个实例测试，跑通后再加新能力。搭建首个智能体要明确要解决的问题、所用工具、使用规则、输出样子，选好模型，还可用AI辅助设计完善。
本章节围绕智能体工具的选择和设计展开。指出智能体能力并非取决于工具数量，选工具要少而精，判断依据是任务是否语言模型无法完成。设计工具函数要遵循一个工具只做一件事、命名清晰的原则。让智能体知道何时用工具需详细命名和描述工具，并用实例测试，不对则调整。
本章节主要讨论智能体的记忆机制，包括短期记忆和长期记忆的区别与使用场景。短期记忆是智能体在与用户对话时记住之前的对话内容，对话结束记忆清空；长期记忆类似知识库，可保存上传文档、笔记、数据库内容，供智能体随时查询，适用于需反复利用信息和积累知识的场景。
本章节围绕智能体记忆设计展开讨论。说话人2指出判断是否给智能体加记忆及加哪种记忆，可问两个问题，若需记对话内容则要短期记忆，需查资料、保存信息或中间结果则要长期记忆，不需要就不用加。添加记忆功能时，要先跑通核心功能，遇到记忆瓶颈再扩展，避免一上来就搞复杂技术。
本章节讨论了如何用 AI 自动生成测试用例以使智能体更健壮。说话人 2 建议直接告知 AI 智能体的任务，让其生成 15 个真实用户可能的输入内容，包括模糊、易混淆甚至错误输入，还可让 AI 设计边缘情况的例子，以此全方位考验智能体，看其能否应对现实场景挑战。
本章节讨论了测试智能体的注意事项。一是要用用户真实会输入的语言进行测试，例如“为什么我又被收费了”而非专业表述。二是当智能体出错时，一次只改一个地方，分析是提示不清晰、输出格式未确定、缺少工具还是规则，然后不断逼近最优解。
本章节主要围绕多智能体系统展开讨论。指出多数情况下一个智能体就能解决问题，只有任务可明确拆分成不同阶段或需不同技能时才需多智能体。强调使用多智能体前要确定单个智能体无法完成任务，且各智能体有明确分工和权限划分。还建议从简单的主从模式开始，避免一开始就采用复杂或完全自治的系统。
本章节主要讨论了使用AI辅助决策是否采用多智能体的问题。说话人2建议直接向AI描述要完成的任务，让其判断用一个还是多个智能体更好，若用多个智能体，AI会给出角色划分建议及原因，说话人可据此做决定。最后两人总结了当天关于AI智能体从入门到实践的关键步骤及开发智能体系统的内容。
