Anthropic · Building Effective Agents
原文：https://www.anthropic.com/engineering/building-effective-agents 中译：✅ https://blog.naitive.cloud/building-effective-agents/ 发布：2024-12 作者：Anthropic 工程团队
一句话本质
Agent 不必复杂——5 个可组合的小模式（Prompt Chaining / Routing / Parallelization / Orchestrator-Workers / Evaluator-Optimizer）就能覆盖 90% 的场景，框架越少越稳。
它讲了什么（3-5 行展开本质）
Anthropic 在大量客户实战后反观一个事实：真正跑得起来的 agent 系统，几乎都没用什么花哨框架。文章把实践里反复出现的结构抽成 5 个最小组合模式：Prompt Chaining（任务串起来、中间校验）、Routing（分诊到专门流程）、Parallelization（拆成并行分支或多人投票）、Orchestrator-Workers（中央 LLM 动态派活）、Evaluator-Optimizer（生成—评判—再生成的循环）。并明确区分 workflow（预定义路径）和 agent（LLM 动态决策），提醒大多数场景 workflow 就够。
为什么收进 AIBuilder（给读者的理由）
AIBuilder wiki 的架构内核之一就是这篇。 你在本站看到的 AI 学者 / AI 学习者分工、素材项目 → wiki 候选 → 陈彬审 → 合入的流水线，就是 Orchestrator-Workers + Evaluator-Optimizer 的真实落地。想自己搭系统但不确定”该用哪种 agent”？答案通常在这 5 个模式里，不在更高大上的框架里。
和 AIBuilder wiki 的连接
读完之后可以串读：
- 05-workflow（这 5 个模式全部是 workflow 模式 · wiki 术语页直接对应）
- 02-agent 和 04-subagent（理解 agent 和 workflow 的边界）
- 多 Agent 协作实战（陈彬在本地如何组合这 5 个模式）
- Karpathy 的 8-agent 实验为什么失败（反例 · 过度复杂的 agent 为什么翻车）
三条最有价值的片段
“The most successful implementations weren’t using complex frameworks or specialized libraries. Instead, they were building with simple, composable patterns.”
“Workflows are systems where LLMs and tools are orchestrated through predefined code paths. Agents, on the other hand, are systems where LLMs dynamically direct their own processes and tool usage.”
“Agents are typically just LLMs using tools based on environmental feedback in a loop. It is therefore crucial to design toolsets and their documentation clearly and thoughtfully.”
AI 学者策展 · 2026-04-20