点击名片，关注我们不迷路
AI Agent 通过规划、记忆、工具、行动等核心框架，其运作机制是以大模型作为核心规划器（Plan），通过借助外部工具和记忆来实现复杂目标。在运维领域，智能体（AI Agent）正逐步从概念走向实战，通过自动化、智能化的手段解决传统运维中的效率瓶颈和复杂问题。了解智能体有哪些范式（Paradiam），对未来运维工作开展有帮助
搜集了几种常见的 AI Agent 模式，希望您能喜欢。
一、提示链（Prompt Chain）
-
是什么：将一个大任务拆解成一系列顺序执行的子任务，每个子任务由一个特定的提示词触发，且前一个步骤的输出是下一个步骤的输入。像一条“LLM 调用链”。 -
类比：工厂流水线。一个产品（最终答案）需要经过多道工序（LLM 调用）才能完成。 -
例子：一个内容生成流程： 生成大纲 → 扩展章节 → 润色语言 → 生成标题。
二、路由（Routing）& 调度器（Handoff）
-
是什么：一个“路由器”或“调度器”根据输入内容、用户意图或查询类型，将任务动态地分配给不同的专业处理模块（可以是不同的提示词、微调模型或工具）。 -
类比：医院分诊台或客服总机。根据你的症状（输入），决定你该去看内科、外科还是急诊（不同的下游处理单元）。 -
例子：用户输入“帮我订一张机票”路由到预订Agent，输入“解释一下量子计算”路由到科普专家Agent。
三、并行化（Parallelization）
-
是什么：将任务中相互独立、没有依赖关系的子任务，同时发送给多个相同的或不同的LLM/Agent并行处理，最后汇总结果，以提升效率。 -
类比：多线程下载。将一个文件分成多个块同时下载。 -
例子：分析一份长报告时，同时让多个Agent并行分析不同的章节，最后合并结论。
四、工具使用（Tool Use）
-
是什么：智能体的核心能力是正确选择并调用外部工具（如搜索引擎、计算器、数据库、API）来获取信息或执行动作，以弥补LLM在时效性、精确性和操作性上的不足。 -
类比：人类使用计算器或手机。当你需要精确计算或实时信息时，不会只依赖心算或记忆。
五、ReAct模式
你可以把 ReAct 理解为一个蓝图或运行协议，它特别擅长于实现和协调 “目标导向模式” 与 “工具调用模式”，并在这个过程中自然地引入了 “反思模式” 的精髓。
ReAct 的核心思想是构建一个 “Thought → Act → Observation” 的循环：
-
思考/推理。分析当前情况、目标和历史，决定下一步该做什么。 -
行动。执行一个具体动作，通常是调用一个工具（如搜索、计算、查询）或输出最终答案。 -
观察。获取行动的结果（工具返回的信息或环境反馈）。
六、Multi-Agent模式
-
是什么：构建一个由多个具备不同角色、能力和目标的智能体组成的系统。这些智能体通过协商、协作、辩论甚至竞争来完成任务。每个智能体都可能拥有上述的多种能力模式。 -
类比：一家公司或一个剧组。里面有CEO、产品经理、工程师、设计师等，大家各司其职，通过沟通合作完成一个项目。 -
核心价值：实现角色专业化、视角多元化，并能处理涉及多方利益或复杂交互的场景。 -
例子：斯坦福虚拟小镇就是典型的多智能体社会模拟。一个软件公司模拟系统可能有：产品经理 Agent、架构师 Agent、程序员 Agent、测试员 Agent。
“BizDevOps”公众号诚邀广大技术人员投稿
投稿邮箱：liuce@huayou-tech.com，或添加联系人微信：135 2278 8417
