AI Agent 该怎么建？Anthropic 从数十个团

最成功的 AI Agent，反而不用复杂框架。Anthropic 服务了几十个团队后，把答案写成了工程长文。

任务步骤固定、要稳定输出，就走 workflow；步骤没法提前定，才轮到 agent。很多应用把单次调用优化好就够用了，没必要硬上 agent。

具体怎么搭？文章给了五种模式。提示链适合固定子任务，路由用来分类分发。并行化能拆开跑或多次投票，编排者现场派活，评估者来回改稿。这些不是死规矩，按用例拼就行。

剥到最里层，agent 就是 LLM 在循环里用工具。每步都得拿真实结果当反馈，还得设好终止条件防失控。代价也想清楚：前面错一小步，后面滚雪球。

工具接口比提示词更值得花时间。给模型足够的思考空间，参数描述写得像优质 docstring。最有说服力的是 SWE-bench 项目：模型离开根目录总用相对路径出错，改成强制绝对路径后，零失误。团队花在调工具上的时间，超过了调提示词。

客户支持和编码已经跑通。前者能查订单改工单，后者靠测试结果自己迭代。共同点很明确：需要对话加动作，成功标准清晰，还有反馈回路。

成败关键不在系统多复杂，而在搭得对不对。