【Agent 设计模式与工程化】如何做出好一个可持续发展的agent需要考虑的架构

本篇文章是对datawhale“动手学Agent应用开发”课程的笔记，内容是来自于吕昭波老师，总体感觉他将Agent的架构剖析的很清晰，特别是用了坐标系——来拆解AI的原子能力，用矩阵（横向 & 纵向）——来拆解整个Agent可落地需要考虑的维度。如果做企业级的应用可以对照着看各个维度来挠自己的痒~

资源（得先有一个可用）、架构（得可以给别人用）、ROI（企业必须得赚钱💴）

AI的原子能力包括什么呢？
主要是三个：Planning、Tool-use、Mining，（并且这个坐标系的设计也是有巧思的，纵向所以是挖掘，z向外更像是拓展，x是可以反复使用的横向）

下面这个图👍

prompt现在也有人在说是context engineering，本质上都是榨干模型能力的一种手段吧。

ps：技术上的难点未解决的咱们就通过工程化的方式规避
（比如AI的幻觉对Agent性能的影响：我也是觉得AI的幻觉是模型自带的，你无法100%无，那么落地时候工程上就可以采用各种各样的方式比如RAG来增强知识信息，或者用2个语言模型来博弈，一个输出一个挑刺，必须让输出的模型说明出处，这样一些换个角度的方式。还是觉得很工程是很有意思的，另辟蹊径）