- 综合排序
- 最热优先
- 最新优先
- 来自专栏架构精进之路
LangGraph Agent 架构设计
Agent 架构是定义AI智能体组件与交互方式的蓝图，让Agent得以感知环境、进行推理并采取行动。 — 1 — Agent 架构的分类 选择合适的架构对构建高效AI智能体至关重要。架构决定了智能体的响应速度、处理复杂任务能力、学习适应性及资源需求。 主流 Agent 架构可分为以下类别： 反应式架构 审慎式架构 混合式架构 神经符号式架构 认知式架构 — 2 — LangGraph Agent 设计模式 Agent 架构与设计模式紧密相关，但属于 关注系统构建的"方法"——底层机制及数据/控制流 Agent 设计模式：解决特定问题的高层可复用策略/模板，不聚焦内部细节而指导跨场景行为交互（类似"配方"） 关注"what"与"why"——你希望该智能体展现出什么样的行为或能力 ——从传统反应式、审慎式模型到混合式、神经符号式及认知式架构，并通过LangGraph实现展示了规划、协作、反思等设计模式。
86420编辑于 2025-05-09 - 来自专栏设计模式
Google 官方：5 种 Agent Skill 设计模式
发现五种反复出现的设计模式，这些模式可以帮助开发者构建Agent。 它们指示Agent加载模板、读取样式指南、询问用户缺失的变量并填充文档。 这对于生成可预测的 API 文档、标准化提交消息或搭建项目架构非常实用。 Step 5: Return the completed report as a single Markdown document. 如果将 Python 风格的检查清单替换为 OWASP 安全检查清单，你将获得完全不同的、更专业的审计，而这一切都基于相同的技术基础架构。 5. Iterate on feedback until the user confirms 模式 5：流水线（Pipeline） 对于复杂任务，容不得跳过任何步骤或忽略任何指令。
82621编辑于 2026-04-10 - 来自专栏运维有术
Hermes Agent 技术架构深度解析：110K+ Star，自进化 AI Agent 架构设计
Hermes Agent 技术架构深度解析：110K+ Star，自进化 AI Agent 架构设计 2026 年「术哥无界」系列实战文档 X 篇原创计划 第 91 篇，Hermes 最佳实战第 1 篇大家好 这篇文章从源码出发，把 Hermes Agent 的架构拆开来看。重点不是介绍它有什么功能（README 写得够详细了），而是分析它为什么这样设计，以及这些设计决策背后的取舍。1. 系统架构总览架构上的几个关键设计决策：Agent 循环和工具执行在同一进程：通过 run_agent.py 中的 AIAgent 类管理整个生命周期，没有用微服务那套东西工具自注册模式：每个工具文件在模块级别调用 官方宣称可以在 $5/月的 VPS 上运行，这个数据从架构上看是合理的 - SQLite 很轻，Agent 实例的主要开销在对话历史的内存占用上。3. 这在 Agent 框架领域是比较少见的。如果你在做 Agent 相关的架构设计，Hermes Agent 的闭环学习和上下文管理部分值得细看。
1.1K03编辑于 2026-05-07 - 来自专栏用户8445844的专栏
Agent超长时间运行的架构设计
二、设计原则：从问题到方案的推导Missions架构的大多数设计决策都源于上述核心观察。 关键升级为：每个已完成功能都会生成专属的代码审查Agent。这些审查Agent运行前未见相关代码，无实现偏见，审查过程从设计之初即为对抗性。 52.5%的代码量为测试代码，89.25%的语句覆盖率，这些数字共同说明：质量不是事后检查出来的，而是架构设计进去的。六、结构化交接与知识累积多Agent系统在长周期运行中最大的风险是上下文丢失。 软件工程的瓶颈正在从代码编写能力转向架构设计能力与人类注意力管理。 Missions所代表的，不仅是技术的进步，更是一种全新的工程哲学：当智能体能够可靠地协作、验证和自我修正，人类的角色将从执行者转变为架构师 —— 设计系统，然后让系统自行运转。
16110编辑于 2026-05-19 - 来自专栏架构精进之路
OpenClaw Agent 架构深度解析：AI 网关的设计哲学
本文从架构师视角，拆解一个自托管 AI 网关的核心设计决策。 这里的顺序很重要，前者从 AI 出发设计架构，后者只是在旧瓶里装新酒。 二、核心架构：三层模型 2.1 网关层：单一进程，多路复用 设计决策：一个 Gateway 进程管理所有渠道连接，而不是每个渠道一个服务。 六、AI-Native 架构的思考 6.1 什么是 AI-Native？ 不是"加了 LLM 的系统"，而是从 LLM 的特性出发重新设计架构。 但自托管、多渠道、Agent 原生的设计方向，值得架构师们思考。 最后送上一句： 在 AI 时代，最好的架构不是最优雅的，而是最能适应不确定性的。
33510编辑于 2026-04-10 - 来自专栏云原生应用工坊
如何设计 AI 驱动的 OPS Agent：技术架构探索
概述 目标读者：技术负责人 / 平台架构师 / SRE / 数据工程负责人undefined设计取向：平台无关（K8s/VM/Serverless/DB/网关皆可接入），以 MAPE‑K 闭环为核心，强调安全 设计原则（Design Tenets） 平台无关：统一抽象（Asset/App/BusinessService/Environment/Case/Plan/Observation…）。 推荐架构：“Redpanda 承载观测流量 + NATS 承载控制面事件”，兼顾吞吐与时延，简化隔离域与配额治理。 AI Agent Workflow 阈值机制 θ（分析置信度阈值）： 结合统计显著性、图谱证据、向量相似度、LLM 自信度。 观测与治理（Ops of the Agent） 自监控： 队列积压（ops.
54610编辑于 2025-08-27 Agent设计模式（5）：Planning模式——如何拆解复杂任务
它涉及代码分析、性能测试、方案设计、实现、部署、监控……一个Agent从头做到尾，几乎不可能做好。 Planning模式就是解决这个问题的：先把大任务拆解成小任务，再逐个执行。 错误做法：简单拆解，不考虑依赖 用户任务：帮我重构这个服务，提升性能 Planner Agent： 1. 优化数据库查询 2. 添加缓存 3. 优化算法 4. 部署 5. 5：执行监控 结果： - Worker Agent 1优化了查询，但没测试，不确定有没有问题 - Worker Agent 2添加了缓存，但Worker Agent 1的改动让缓存key设计不合理 - Worker Agent 3优化了算法，但和Worker Agent 2的缓存冲突了 - Worker Agent 4部署了，但前面的改动没验证，可能引入了bug - Worker Agent 5监控了 → DeployWorker ▪ Step 5：执行与监控 Worker Agent执行任务，Planner监控执行状态。
21111编辑于 2026-05-09- 来自专栏XINDOO的专栏
Agent设计模式——第 5 章：工具使用（函数调用）
=True # 在生产环境中设置为 False 以获得较少的详细日志 ) ## --- 5. 该工具设计为对有效代码返回浮点数，或对无效代码引发 ValueError。创建了一个名为 financialanalystagent 的 CrewAI Agent，角色为高级财务分析师。 此代码演示了如何使用 Python 的 Google ADK 创建和使用由 Google ADK 驱动的基本 Agent。该 Agent 设计为通过利用 Google 搜索作为工具来回答问题。 ) ## 运行示例的主异步函数 async def main(): await call_agent_async("计算 (5 + 7) * 3 的值") await call_agent_async 结论 工具使用模式是将大型语言模型的功能范围扩展到其固有文本生成能力之外的关键架构原则。通过为模型配备与外部软件和数据源交互的能力，此范式允许 Agent 执行操作、进行计算并从其他系统检索信息。
2.3K10编辑于 2025-10-27 - 来自专栏闲余说
架构设计 5-高可用架构之高可用存储架构
导读：《架构设计》系列为极客时间李运华老师《从0开始学架构》课程笔记。本文为第五部分，主要介绍高可用存储架构，分别介绍了双机架构和集群架构以及各种具体方案的优缺点和应用场景。 缺点 如果采取主主复制架构，必须保证数据能够双向复制，而很多数据是不能双向复制的，如： 用户注册后生成的用户 ID，如果按照数字增长，那就不能双向复制 库存不能双向复制 场景 主主复制架构对数据的设计有严格的要求 双机切换 设计关键 主备复制和主从复制方案共性的问题 主机故障后，无法进行写操作。 如果主机无法恢复，需要人工指定新的主机角色。 数据集中集群架构中，客户端只能将数据写到主机；数据分散集群架构中，客户端可以向任意服务器中读写数据 场景 数据集中集群适合数据量不大，集群机器数量不多的场景：ZooKeeper 集群，一般推荐 5 台机器左右 分区 数据分区指将数据按照一定的规则进行分区，不同分区分布在不同的地理位置上，每个分区存储一部分数据，通过这种方式来规避地理级别的故障所造成的巨大影响 设计一个良好的数据分区架构，需要从多方面去考虑 数据量
74620编辑于 2022-08-19 - 来自专栏EdisonTalk
5分钟了解系统架构设计（5）
最近梳理了之前学习的架构设计相关的一些课程学习总结，将其整理成了一个大纲脑图，以每篇5分钟系列展现出来，希望对你有所帮助。 如何设计一个高性能的系统架构，这是面试中一般常见的问题，明白回答该类问题的套路可以帮助我们理清思路。 本篇会聚焦high-level的思路，实际场景中还需要根据实际条件约束综合考虑。 具体保护系统的措施包括：系统限流，即通过流量控制来保证系统的稳定性，当实际并发压力超过系统性能设计指标时，就拒绝新的请求连接，让用户进行排队。 通过上述的思路，我们大概可以了解在回答高性能系统的设计思路时，应该有的基本套路。 5、事后排查 当然，即使我们事前考虑的再多，也仍然会存在延迟和吞吐量的问题。 （2）定位吞吐量的问题 对于吞吐量指标要和 CPU使用率一起来看，在请求速率逐步增大时，经常会出现四种情况，对应的建议也一并附在了下面的表格中： 参考资料 李运华，《从0开始学架构》 刘海丰，《架构设计面试精讲
50420编辑于 2023-03-06 我从 AIP 平台架构设计 Agent 产品经验
我从AIP平台架构设计Agent产品经验软件架构师罗小东，多年架构和平台产品设计经验，目前在Agent场景落地结合中。 这里的经验更多偏向于架构设计与工程实践，每个架构师有自己的思路，我有我思。前期的时候，也是考虑了很久，觉得企业级AI智能体平台在架构设计上相对来说是会有些不一样的。 模型中立架构的设计与权衡前期的时候，AI平台都是绑定单一模型的，比如只用GPT-4或者只用Claude。 插件式扩展的架构优势AIP平台支持插件式扩展，这个设计有意思。插件式扩展意味着用户可以灵活添加功能模块，不需要改动核心代码。 这个设计体现了平台的灵活性——不同场景有不同的需求，平台需要提供足够的配置空间。总结总的来说，AIP智能体平台的架构设计是一个阶段性的反馈，体现了企业级AI平台在技术选型和工程实践上的一些新思路。
14110编辑于 2026-05-05- 来自专栏XINDOO的专栏
Agent设计模式——附录 G - 编码 Agent
本框架致力于在人类领导与底层模型原始能力间建立最纯净对话通道，确保每个 Agent 均以峰值潜力运行。 该框架构建为专业化 Agent 团队，每个 Agent 针对开发生命周期中的核心功能专门设计。 核心组件架构 为高效运用前沿大语言模型，本框架将不同开发角色分配给专业化 Agent 团队。这些 Agent 并非独立应用，而是通过精心设计的角色特定提示与上下文在 LLM 中调用的概念化人格。 最终，此人类主导模式在开发者战略规划与 Agent 战术执行间建立强大协同效应。开发者得以从常规任务中解放，将专业智慧聚焦于创造最大价值的创意性挑战与架构设计。 ** ** 图 1：编码专家角色示意图 增强型团队领导原则 成功驾驭此框架需实现从独立贡献者向人机协作团队领导者的角色转型，遵循以下核心原则： 坚守架构主导权 您的核心职责是制定战略方向并掌控高层架构设计 通过将战术执行委派予 Agent，开发者得以将认知资源聚焦于真正核心领域：战略创新、韧性架构设计，以及打造用户惊喜产品所需的创造性问题破解。
46510编辑于 2025-10-27 - 来自专栏技术杂记
Zabbix Agent 安装5
这个脚本是用来进行端口发现的，作为基础服务提供给其它监控条目使用 Note: zabbix用户要有这个脚本的执行权限，因为实际信息收集过程中，是以zabbix这个用户的身份进行的 [root@zbx-
86110编辑于 2022-03-21 - 来自专栏有文化的技术人
Agent Skill 按需加载：架构设计与实现解析
❝当 AI Agent 需要的知识越来越多，把一切都塞进 System Prompt 显然不是个好主意。本文从架构设计的角度出发，深入探讨一种优雅的解法——「Skill 渐进式加载机制」。 干扰」：在多 Agent 协作场景中，不同 Agent 加载的技能可能互相"串台" 那么，如何设计一套机制，让 Agent 能够 「按需加载」 技能内容，同时 「对 Token 友好」、「对缓存友好」 五、模块二：Session State Key 设计 Session State 是 Skill 加载状态的持久化存储。Key 的设计直接影响多 Agent 隔离和查询效率。 「关键架构决策」：Tool 的执行函数（Call）和 State 写入（StateDelta）是 「分离的」。 从 State 读取已加载的 Skill 列表 │ ├─ 5. 限制最大加载数量（如超限，按最近使用排序保留） │ ├─ 6.
47310编辑于 2026-04-09 - 来自专栏AI大模型应用开发炼丹房
AI Agent安全架构实战：LangGraph的HIL核心设计揭秘
前言：Human-in-the-Loop（HIL）是一种AI系统设计模式，它允许人类在AI Agent的决策过程中介入并提供反馈或决策。 这种模式特别适用于高风险或敏感的操作场景一、HIL架构的核心价值与挑战在金融交易、数据库管理、医疗诊断等高危场景中，AI Agent的自主决策存在两类核心风险：不可逆操作（如删除数据库记录 而HIL架构通过精准断点控制，仅在关键节点介入，实现效率与安全的动态平衡。二、LangGraph的四大创新设计1. 安全增强设计# 四眼原则审批实现def quadruple_approval(state): approvals = state.get("approvals", []) if len(approvals 由于文章篇幅有限，关于AI Agent相关技术知识点，我整理成了一个2W字的文档，粉丝朋友自行领取：《想要读懂AI Agent（智能体），看这里就够了》如果本次分享对你有所帮助，记得告诉身边有需要的朋友
83410编辑于 2025-07-30 - 来自专栏XINDOO的专栏
Agent设计模式——结论
我们从这样一个前提开始：构建智能 Agent 就像在技术画布上创作一幅复杂的艺术作品——这个过程不仅需要一个强大的认知引擎（如大型语言模型），还需要一套稳健的架构蓝图。 虽然每种模式都针对特定的设计挑战，但可以通过将它们归类到反映智能 Agent 核心能力的基础类别中来整体理解它们。 核心执行和任务分解： 在最基本的层面上，Agent 必须能够执行任务。 为复杂系统组合模式 Agentic 设计的真正力量不是来自孤立地应用单一模式，而是来自巧妙地组合多种模式以创建复杂的多层系统。 协作分析和写作： 单个 Agent 可能会处理这个问题，但更稳健的架构将采用多 Agent 协作。"研究员" Agent 可以负责执行搜索计划和收集原始信息。 它们提供了将大型语言模型的原始认知能力转变为可靠且有目的的系统所需的架构规范。
48310编辑于 2025-10-27 - 来自专栏XINDOO的专栏
Agent设计模式——
这些技术适用于构建从简单聊天机器人到复杂多 Agent 系统的各类应用，能够显著提升 Agentic 应用的性能和可靠性。 Agentic 模式是构建智能系统的架构蓝图，在主要章节中已有详细阐述。 例如，一个经过上下文工程设计的 Agent 在响应查询前，会整合用户的日历可用性（工具输出）、与邮件收件人的专业关系（隐式数据）以及过往会议记录（检索文档）。 问：Sarah 有 5 个苹果，她又买了 8 个。她吃了 3 个苹果。她还剩多少苹果？让我们逐步思考。 答：让我们逐步思考。Sarah 开始有 5 个苹果。 底层模型设计为在整个对话过程中始终遵循这些预定义指令。 这允许为专注应用创建高度专业化的 AI Agent。例如，可配置 Gem 作为仅引用特定编程库的代码解释器。 超越示例范畴，使用明确角色、系统级指令和清晰分隔符构建提示，为精细控制模型提供了必要的架构层次。 这些技术在构建自主 Agent 的背景下变得至关重要，它们为复杂多步骤操作提供了必要的控制与可靠性。
45110编辑于 2025-10-27 - 来自专栏运维有术
Claude Code 源码泄露：5 个 Agent 设计模式拆解，全网首发！
但比起事件本身的戏剧性，这份代码里的架构设计更值得聊。翻完源码和相关技术分析后，我整理出了 5 个所有 AI Agent 开发者都能借鉴的设计模式。 1. 图 4：Coordinator-Worker 两层架构——缓存继承、隔离探索、结论回传三大机制 架构设计 开启 Coordinator 模式后，系统变成两层： Coordinator（协调者）：被剥夺了直接操作文件的权限 图 5：Claude Code 泄露源码中的 5 个核心 Agent 设计模式总结 总结 51 万行代码，1906 个文件，从 Source Map 泄露到全世界。 对 Anthropic 是严重的工程事故，对 AI Agent 开发社区则是一份免费的前沿架构教材。 工程架构是骨架，模型才是灵魂。 你觉得这 5 个设计模式里，哪个对你的项目有启发？评论区聊聊。
6.2K10编辑于 2026-04-01 - 来自专栏CreateAMind
—个主动设计agent
这种类型的架构受大脑中有效（贝叶斯）试验设计的神经经济模型的启发，并暗示AIDA包括声音信号和用户响应的生成 类器的用户响应模型的总和。 近年来，FEP也被应用于合成agent的设计「7,8,9,10]o基于FEP的代理的一个显著特点是，他们在勘探和开发之间进行动态权衡[11,12,13],这是在学习导航HA参数空间时非常需要的属性。 3.声学模型和AIDA中的推理在第4节中详细阐述，并且它们的操作通过第5节中的代表性实验单独验证。此外，所有元素都通过第5.4节中的演示应用程序进行了联合验证。 2.2用户在回路中的定位助听器调谐 在本文中，我们将基于图2所示的架构，开发一个个性化的、上下文感知的设计代理。 请注意，如果HAW10个调优参.数和每个参数的5个感兴趣的值（非常低、低、中、高、非常高），则有510方个（大约1000万个）参数设置。
35631编辑于 2023-10-24 - 来自专栏小白晋级大师
分布式系统架构5：限流设计模式
这是小卷对分布式系统架构学习的第5篇文章，今天来学习限流器和限流设计模式1.为什么要限流？ 任何一个系统的运算、存储、网络资源都不是无限的，当系统资源不足以支撑外部超过预期的突发流量时，就应该要有取舍，建立面对超额流量自我保护的机制，而这个机制就是微服务中常说的“限流”2.四种限流设计模式说到限流 具体如何进行限流，业界内也有一些常见设计模式。2.1流量计数器模式流量计数器是一种最简单的限流方式，通过记录固定时间窗口内的请求次数来判断是否达到限流阈值。如果请求次数超过限制值，则拒绝后续请求。 当流量大时，限流本身会降低系统处理能力总结今天学习了4种限流设计模式：流量计数器模式、滑动窗口模式、漏桶模式、令牌桶模式，后面2种都是基于缓冲区的限流算法。简单了解了下分布式限流的概念。 后续有时间补充Sentinel的限流原理和其中用了哪些设计模式。
46110编辑于 2024-12-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号