- 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 当前市面上大部分 Agent 框架的思路是：让 LLM 更好地调用工具。Hermes Agent 的思路不一样：让 Agent 越用越聪明。这个方向差异决定了整个架构的设计取舍。 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 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 - 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 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」 三、架构全景图 整个 Skill 加载机制可以拆解为 「四个核心模块」 和 「两条数据流」： ┌───────────────────────────────────────────────────── 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」。
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）。 使用 Google Gems Google 的 AI"Gems"（见图 1）代表其大型语言模型架构中的用户可配置功能。 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MixLab科技+设计实验室
Agent Skill 的 Script 架构设计指南：平衡认知与执行
Agent Skill Script 架构设计指南 本指南面向 Skill 架构师与 Agent 开发者，聚焦"何时用 Script"与"如何设计 Tool-Like 模块" 1. 核心理念：认知层与执行层的解耦 在 Agent Skill 架构中，Prompt 负责认知（理解意图、规划路径、生成创意），Script 负责执行（确定性计算、安全交互、环境操作）。 Script 架构设计原则（Tool-Like 思维） 优秀的 Skill Script 应像一个标准的 API 工具，遵循以下六大原则： 2.1 黑盒封装 隐藏实现细节：内部逻辑、密钥、第三方依赖对 Script 的设计目标不是"永不出错"，而是"出错时可被 Agent 理解与处理"。 最终目标：通过 Tool-Like 的 Script 架构，让 Agent 从"会聊天的 AI"进化为"能可靠执行任务的数字化员工"。
34110编辑于 2026-03-25 ChatGPT Agent技术架构探析
安全优先的设计哲学 为确保这类强大能力不被滥用，开发团队从第一天就将安全控制嵌入架构底层。在操作器研究预览版的基础上，新增了终端网络限制、敏感操作监控模式、记忆功能禁用等防护措施。 技术架构深度剖析 Operator整合：智能执行的神经中枢 ChatGPT Agent的Operator架构是其区别于传统对话系统的核心创新。 该架构特别设计了"监控模式"安全机制——当系统检测到用户离开对话界面或处于非活跃状态时，会自动暂停敏感操作（如银行账户登录）。 测试数据显示，在8类高风险任务中均未出现数据误分享情况，证明其安全设计有效性。但网络访问仍保持谨慎策略，仅开放必要的数据获取通道，从架构层面规避潜在滥用可能。 特别设计的确认机制在关键操作中表现优异：金融交易确认率100%，高风险通信发送确认率99.9%。这种"宁可误报不可漏报"的设计哲学，体现在架构每个组件的交互设计中。
59610编辑于 2025-08-27- 来自专栏运维有术
Moltbook 技术架构浅析：首个 OpenClaw AI Agent 社交网络的设计哲学
但当我深入研究了它的架构设计后，发现这玩意儿背后的技术思路真的很有意思。 今天，我就来聊聊 Moltbook 这个项目，从技术角度拆解它是如何实现AI 专属社交网络的。 这是什么？ 如何防止恶意 Agent 刷屏？如何实现语义搜索让 AI 真正"理解"内容？ 技术架构全景 先来看一下整体架构。 Human vs Agent 双模式架构 通过技术手段实现权责分离：Agent 有自主权，Human 有监督权。这个设计哲学可以应用到很多场景。 3. 与传统社交网络的架构差异 对比一下传统社交网络，Moltbook 的架构有什么不同？ 但从技术角度来看，它的架构设计和创新理念值得学习。
38810编辑于 2026-04-01 - 来自专栏CSDNToQQCode
软考中级(软件设计师)——操作系统(占6-8分)
软考中级(软件设计师)——操作系统(占6-8分) ---- 目录 软考中级(软件设计师)——操作系统(占6-8分) 主要考点： 1、进程管理 进程的同步与互斥 进程管理-PV操作【******】(超重点
55920编辑于 2022-11-30 - 来自专栏DeepHub IMBA
深度研究Agent架构解析：4种Agent架构介绍及实用Prompt模板
近两年深度搜索Agent发展很快各家的实现思路也越来越成熟，围绕这两个问题业界逐渐沉淀出几种主流架构：从最基础的Planner-Only，到加入评估反馈的双模块设计，再到Sentient Labs提出的递归式方案 这篇文章将整理这些架构并顺便附上一些实用的prompt模板。 迭代式搜索Agent 在讨论更复杂的架构之前，先回顾一下最基础的迭代式搜索Agent。 这样Planner输出的计划才足够具体，下游的执行Agent才能照着执行。 Planner承担的任务复杂度高是整个架构的核心节点。 递归搜索Agent 前面介绍的架构本质上都是迭代式的，但从算法角度看迭代能做的事递归也能做，而且递归天然适合处理可分解的层次化问题。 这种设计更符合复杂研究任务的实际结构。 上图是ROMA的简化版本，完整架构还有一层基于依赖图的信息抽取机制。依赖图用来管理子问题之间的前后关系，确保有依赖的任务按正确顺序执行。
84010编辑于 2026-01-12 - 来自专栏XINDOO的专栏
Agent设计模式——附录 D - 使用 AgentSpace 构建 Agent
该平台支持创建和部署专业化的 AI "Agent"，这些 Agent 能够执行复杂任务并实现流程自动化。它们不仅是聊天机器人，更具备自主推理、规划和执行多步骤操作的能力。 平台还包含名为 Agent Designer 的无代码界面，无需深厚技术专长即可创建自定义 Agent。 此外，AgentSpace 支持多 Agent 系统，不同 AI Agent 可通过称为 Agent2Agent（A2A）协议的开放协议进行通信与协作。这种互操作性支持更复杂、协调的工作流。 安全性是基础架构的重要组成部分，具备基于角色的访问控制和数据加密等功能，以保护企业敏感信息。最终，AgentSpace 致力于通过将智能自主系统直接嵌入组织运营架构，提升生产力与决策水平。 该系统架构将复杂后端流程（如自主推理和企业知识图谱映射）与用于 Agent 构建的图形用户界面相连接。
34610编辑于 2025-10-27 - 来自专栏XINDOO的专栏
Agent设计模式——第 7 章：多 Agent 协作
虽然单体 Agent 架构对于定义明确的问题可能是有效的，但在面对复杂的多领域任务时，其能力往往受到限制。 这种分布式架构提供了几个优势，包括增强的模块化、可扩展性和稳健性，因为单个 Agent 的故障不一定会导致整个系统故障。 网络分析与修复：自主操作从 Agent 架构中受益匪浅，特别是在故障定位方面。多个 Agent 可以协作分类和修复问题，建议最佳行动。 这可能涉及结合前述模型元素的混合方法，或从环境的独特约束和机会中产生的全新设计。自定义模型通常源于需要针对特定性能指标进行优化、处理高度动态的环境或将特定领域知识纳入系统架构。 设计和实现自定义模型通常需要对多 Agent 系统原理有深入理解，并仔细考虑通信协议、协调机制和涌现行为。 总之，为多 Agent 系统选择相互关系和通信模型是关键的设计决策。
4.2K11编辑于 2025-10-27 - 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。 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。 简而言之，本文的目标是设计一个智能代理，通过一个非常轻量级的交互协议来支持用户驱动的个性化音频处理算法的情境设计。 AIF提供了—个单一的，统一的方法来设计AIDA的所有组件。由AIF设计代理控制的HA系统的设计涉及解决以下任务： 1.声学环境的分类 2.为HA调整参数选择声学上下文相关试验。
35631编辑于 2023-10-24 Hermes Agent + LangChainAutoGPT 混合架构：构建超级 Agent 系统
每个Agent框架都有自己的强项：框架最强能力HermesAgent持久记忆、技能自创、消息网关LangChain链式推理、文档处理、RAGAutoGPT自主任务分解、网页操作混合使用可以取长补短。 混合架构方案方案一：Hermes+LangChainRAG展开代码语言：TXTAI代码解释用户提问→HermesAgent→检索记忆↓（记忆中没有答案）调用LangChainRAG↓（检索文档库）返回答案 方案三：三合一超级Agent展开代码语言：TXTAI代码解释┌───LangChain（知识检索）│用户→Hermes──┼───AutoGPT（复杂任务）│└───内置工具（日常操作）Hermes统一管理记忆和技能实现方式 ：多个框架的版本更新需要协调部署建议混合架构建议使用4C8G以上的服务器配置。 混合架构适合有特殊需求的高级用户。Q2：需要自己写集成代码吗？A：目前需要编写MCP桥接服务。社区正在开发常用框架的即插即用集成包。Q3：资源需求比单框架大多少？
53311编辑于 2026-04-16
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