AI Agent 平台架构入门
延展阅读 | 技术认知
什么是 Agent
通用大模型是「你问它答」。Agent 是「你给一个任务，它自己去规划步骤、调用工具、看结果、再调整，直到完成」。
Agent 平台 = 给模型装上 手脚（工具）+ 记忆 + 一个行动循环。
你需要知道的第一个判断
能用确定的工作流解决，就别上自主 Agent。
这是 Anthropic 的核心建议。工作流（预先编排好的步骤）可预测、可控、便宜；自主 Agent 灵活，但更贵、更慢、更难控。
作为 PM，面对一个"用 AI 自动化某个任务"的需求，第一个问题不是"怎么实现"，而是"这任务到底该用工作流还是 Agent？"——流程确定的走工作流，确实需要随机应变的才上 Agent。
Agent 的核心组件
| 组件 | 做什么 | PM 要关心的 |
|---|---|---|
| 编排器 | 驱动「规划→行动→观察」循环 | 任务完成率、步数上限 |
| 工具（沙箱执行） | 搜索、调 API、跑代码 | 权限边界、副作用风险 |
| 记忆 | 短期上下文 + 长期跨会话 | 用户体验连续性 |
| 人类介入关卡 | 关键操作前暂停等审批 | 哪些操作必须人确认？ |
| 可观测/trace | 记录每一步在干什么 | 出问题时能否追溯？ |
让 Agent "不失控"的三道防线
- 多重上限：最大步数、最大成本、超时——自主性越高，越要硬刹车
- 沙箱隔离：工具执行不能直接碰到生产环境
- 高危操作人工审批：发邮件、改数据、花钱——这些必须有人点确认
没有控制阀的 Agent，就是一台会自己烧钱、还可能闯祸的失控机器。
什么时候用单 Agent，什么时候用多 Agent
单 Agent 起步，任务复杂到"一个角色扛不动"时再拆。多 Agent（规划者 + 执行者 + 审查者）分工明确，但协调成本和延迟都上升。
常见误区
- ✗ 流程明确的活，非要上自主 Agent → ✓ 工作流更可控更便宜
- ✗ 循环不设上限，任模型跑 → ✓ 步数/成本/超时多重兜底
- ✗ 给 Agent 无限制权限 → ✓ 最小权限 + 沙箱 + 人工确认
- ✗ 信任工具返回的内容 → ✓ 外部内容一律当不可信输入
※ PM 核心备忘：Agent 的难点不在"能不能做"，而在"怎么让它有用又不失控"。你的工作是定义清楚：① 任务适合工作流还是 Agent？② 哪些操作必须人审批？③ 失败时怎么兜底？
本篇基于 awesome-architecture AI Agent 平台架构模板整理。