大数跨境

构建 Claude Code 的启示:以智能体视角观察

构建 Claude Code 的启示:以智能体视角观察 Levix 空间站
2026-03-01
0
导读:构建智能体框架最困难的部分之一,是构建其行动空间。
构建智能体框架最困难的部分之一,是构建其行动空间。
Claude 通过工具调用执行操作,但在 Claude API 中可以通过多种方式构建工具,包括 bash 命令、技能模块以及近期推出的代码执行功能(更多关于 Claude API 编程化工具调用的内容,请参阅。
面对所有这些选择,你该如何设计智能体的工具?是只需要代码执行或 bash 这样的单一工具吗?如果拥有 50 种工具,每种对应智能体可能遇到的用例,又会怎样?
为了理解模型的思维方式,我喜欢想象自己被赋予一道数学难题。要解决它,你会需要什么工具?这取决于你自身的技能!
纸笔是最低配置,但你会受限于手动计算。计算器更好,但你需要知道如何操作更高级的功能。最快最强大的选择是计算机,但你必须懂得如何用它编写和执行代码。
这是设计智能体的实用框架。你需要根据其自身能力来定制工具。但如何了解这些能力呢?你需要仔细观察、阅读其输出、不断实验。你要学会像智能体一样思考。
在构建 Claude Code 的过程中,我们通过观察 Claude 总结出了一些经验。

改进引导提问与 AskUserQuestion 工具

开发 AskUserQuestion 工具时,我们的目标是提升 Claude 提问(通常称为引导提问)的能力。

虽然 Claude 完全可以用纯文本提问,但我们发现回答这些问题会耗费过多不必要的时间。如何降低这种沟通阻力,提升用户与 Claude 之间的信息传递效率呢?

尝试 #1 - 编辑 ExitPlanTool

我们最初尝试的是为 ExitPlanTool 添加一个参数,使其在生成计划的同时能附带一组问题。这是最容易实现的方案,但这让 Claude 感到困惑,因为我们同时要求它提供计划和对该计划的一系列疑问。如果用户的回答与计划内容相冲突怎么办?Claude 是否需要调用两次 ExitPlanTool?我们需要另寻他法。
(关于我们为何创建 ExitPlanTool 的更多细节,可参阅)

尝试 #2 - 改变输出格式

接下来,我们尝试修改 Claude 的输出指令,使其采用一种略微调整的 Markdown 格式来提出问题。例如,我们可以要求它输出一个带括号内备选方案的要点问题列表。然后,我们可以解析该问题并将其格式化为面向用户的界面。
虽然这是我们能做出的最通用的改动,而且 Claude 似乎也能很好地输出这种格式,但这并非绝对可靠。Claude 有时会附加额外的句子、遗漏选项,或者完全使用另一种格式。

尝试 #3 - AskUserQuestion 工具

图像

最终,我们决定创建一个 Claude 可以随时调用的工具,但特别提示它在规划模式下使用。当工具被触发时,我们会显示一个模态窗口来展示问题,并在用户回答之前暂停代理的运行循环。

这个工具让我们能够提示 Claude 输出结构化内容,并确保为用户提供多种选择。它还为用户提供了组合此功能的方式,例如在 Agent SDK 中调用它或在技能中引用它。
最重要的是,Claude 似乎喜欢调用这个工具,我们发现它的输出效果很好。即使设计得再好的工具,如果 Claude 不理解如何调用它,也无法发挥作用。
这是 Claude Code 中启发式交互的最终形式吗?我们还不确定。正如你将在下一个示例中看到的,适用于一个模型的方法可能并不最适合另一个模型。

更新功能 - 任务与待办事项

当我们首次推出 Claude Code 时,我们意识到模型需要一个待办事项列表来保持进度。待办事项可以在开始时写下,并在模型完成工作时逐一勾选。为此,我们为 Claude 提供了 TodoWrite 工具,用于编写或更新待办事项并向用户展示。

但即便如此,我们仍经常发现 Claude 会忘记自己需要做什么。为了适应这一情况,我们每 5 轮对话就会插入系统提醒,提示 Claude 记住其目标。
但随着模型不断改进,它们不仅不再需要待办事项列表的提醒,反而可能觉得这种列表限制了发挥。收到待办事项提醒会让 Claude 认为必须严格遵循列表,而不是灵活调整它。我们还注意到 Opus 4.5 在使用子代理方面有了显著提升,但子代理之间该如何协调共享的待办事项列表呢?
看到这一点,我们用任务工具取代了待办事项工具()。待办事项旨在让模型保持正轨,而任务则更侧重于帮助智能体之间相互沟通。任务可以包含依赖关系,在子智能体之间共享更新,并且模型可以修改和删除它们。
随着模型能力的提升,模型曾经需要的工具现在可能反而会限制它们。不断重新审视之前关于需要哪些工具的假设非常重要。这也是为什么坚持支持一小部分能力概况相当相似的模型会很有用。

设计搜索界面

对于 Claude 来说,一组特别重要的工具是可用于构建其自身上下文的搜索工具。
当 Claude Code 首次推出时,我们使用 RAG 向量数据库为 Claude 寻找上下文。虽然 RAG 功能强大且快速,但它需要索引和设置,并且在各种不同的环境中可能显得脆弱。更重要的是,Claude 是被动接收这些上下文,而非自己主动寻找。
但如果 Claude 能在网络上搜索,为什么不能搜索你的代码库呢?通过为 Claude 提供一个 Grep 工具,我们可以让它自行搜索文件并构建上下文。
这是我们观察到的一个模式:随着 Claude 变得更智能,如果被赋予合适的工具,它在构建自身上下文方面会变得越来越出色。
当我们引入 Agent Skills 时,我们正式确立了渐进式披露的理念,这使得智能体能够通过探索逐步发现相关的上下文。
Claude 能够读取技能文件,而这些文件可以引用其他文件,模型能够递归地读取这些文件。实际上,技能的常见用途是为 Claude 增加更多搜索能力,例如提供如何使用 API 或查询数据库的指令。
在过去的一年中,Claude 从几乎无法自行构建上下文,发展到能够跨多个文件层级进行嵌套搜索,以找到所需的精确上下文。
渐进式披露现在是我们常用的一种技术,用于在不增加工具的情况下添加新功能。

渐进式披露 - Claude Code 指南代理

Claude Code 目前拥有约 20 种工具,我们一直在思考是否真的需要全部保留。新增工具的门槛很高,因为这会让模型多一个需要考量的选项。
例如,我们注意到 Claude 对如何使用 Claude Code 了解不足。如果你问它如何添加 MCP 或某个斜杠命令的作用,它无法给出回答。
我们本可以将所有这些信息都放入系统提示中,但考虑到用户很少询问这些内容,这会导致上下文信息冗余,干扰 Claude Code 的主要任务:编写代码。
因此,我们尝试了一种渐进式信息呈现的方式。我们为 Claude 提供了一个指向其文档的链接,它可以通过加载链接来搜索更多信息。这种方式有效,但我们发现 Claude 为了找到正确答案,会加载大量结果到上下文中,而实际上你需要的只是答案本身。
因此,我们构建了 Claude 代码指南子代理,当你询问关于 Claude 自身的问题时,系统会提示 Claude 调用该子代理。这个子代理包含了关于如何有效搜索文档以及返回什么内容的详细指令。
虽然这并非完美无缺——当你询问 Claude 如何设置自身时,它仍可能感到困惑——但相比以往已经有了显著改善!我们能够在不为 Claude 添加新工具的情况下,扩展其行动空间。

一门艺术,而非精确科学

如果你期待获得一套关于如何构建工具的严格规则,那么很遗憾,本指南无法提供。为你的模型设计工具既是一门科学,更是一门艺术。这在很大程度上取决于你使用的模型、智能体的目标以及其运行的环境。
多实验,多阅读输出结果,尝试新方法。以智能体的视角观察。

【声明】内容源于网络
0
0
Levix 空间站
1234
内容 58
粉丝 0
Levix 空间站 1234
总阅读0
粉丝0
内容58