1. 引言

随着大型语言模型（LLM）的不断进步，它们能够处理复杂的多步骤任务，催生了新的智能代理系统。该指南旨在为产品和工程团队提供构建智能代理的实用最佳实践，涵盖识别有前景的用例、设计代理逻辑和保障代理安全有效运行的框架【3】。

2. 什么是智能代理？

智能代理是能够独立执行任务并管理工作流的系统。与传统软件不同，智能代理利用LLM来管理工作流的执行和决策，能够在必要时主动纠正其行为，并在失败时将控制权转回用户【4】。

核心特征

• 独立执行：代理能够根据用户的目标独立完成工作流。
• 工具访问：代理可动态选择适当的工具以执行当前工作流【4】。

3. 何时构建代理？

构建代理需要重新考虑系统的决策和复杂性处理方式。代理特别适合于传统自动化方法难以处理的复杂决策和模糊情况，例如支付欺诈分析【5】【6】。

适用场景

1. 复杂决策：涉及微妙判断的工作流。
2. 难以维护的规则：规则集庞大且复杂，更新成本高。
3. 大量非结构化数据：需要解析自然语言或与用户进行对话的场景【6】。

4. 代理设计基础

一个基本的代理由三个核心组件组成：

1. 模型：驱动代理推理和决策的LLM。
2. 工具：代理可以使用的外部功能或API。
3. 指令：定义代理行为的明确指导和保护措施【7】。

选择模型

选择不同的模型以满足任务复杂性、延迟和成本的需求。建议初期使用最强大的模型建立基线，然后逐步替换为较小的模型以优化性能【8】。

5. 工具定义

工具扩展了代理的能力，使其能够通过API与外部系统交互。代理需要三种类型的工具：

• 数据工具：用于检索执行工作流所需的信息。
• 行动工具：用于与系统交互以执行操作。
• 编排工具：代理本身可以作为其他代理的工具【9】。

6. 指令配置

高质量的指令对于LLM驱动的应用至关重要。创建指令时，使用现有文档和明确的行动定义，确保减少歧义并提高决策准确性【11】。

7. 编排模式

代理的编排可以分为单代理系统和多代理系统。单代理系统通过逐步添加工具来管理复杂性，而多代理系统则允许多个代理之间的任务交接【13】【17】】。

单代理系统

通过管理工具的逐步增加，简化评估和维护【14】。

多代理系统

包括管理者模式（一个中央代理协调多个专业代理）和去中心化模式（多个代理平行操作，相互交接任务）【17】【21】】。

8. 保护措施

良好的保护措施有助于管理数据隐私风险和声誉风险。应根据已识别的风险设置保护措施，并随着新漏洞的发现进行调整【24】【26】】。

保护措施的类型

• 相关性分类器：确保代理响应保持在预期范围内。
• 安全分类器：检测不安全的输入。
• PII过滤器：防止个人信息泄露【26】【27】】。

9. 结论

智能代理标志着工作流自动化的新纪元，能够处理复杂决策和多步骤任务。成功构建代理的关键在于建立强大的基础，使用合适的模型、工具和清晰的指令。通过逐步验证和迭代，代理可以为业务带来真正的价值【32】。

10. 进一步资源

提供了关于API平台、OpenAI商业解决方案等的更多资源，以支持用户的进一步探索和实施【33】。