- 综合排序
- 最热优先
- 最新优先
- 来自专栏设计模式
Google 官方：5 种 Agent Skill 设计模式
通过研究整个生态系统中技能的构建方式从 Anthropic 的存储库到 Vercel和 Google 的内部指南。 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。 与其编写冗长的系统提示来详细说明每个代码异味，不如将模块化的评分标准存储在 /-. 文件中。 当用户提交代码时，Agent会加载此检查清单，并系统地对提交的代码进行评分，根据严重程度对结果进行分组。 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。 通过实施明确的菱形门控条件（例如，在从文档字符串生成到最终装配之前需要用户批准），该流程可确保Agent无法绕过复杂任务并呈现未经验证的最终结果。 不要试图将复杂且脆弱的指令塞进单个系统提示符中。 分解工作流程，应用正确的结构模式，并构建可靠的Agent。
82421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。 这里要说说我们在知识库管理方面的一些经验。多源数据整合的技术难点前期的时候，知识库都是单一数据源的，比如只支持PDF或者只支持数据库。 这里要说说我们在可视化编排方面的一些经验。拖拽式界面的设计逻辑前期的时候，工作流配置都是代码式的，需要写JSON或者YAML配置文件。但是随着用户群体的扩大，我们发现这种方式门槛太高了。 每个产品设计思路不一，这个是建设企业级AI智能体平台的一些经验，期望给有兴趣的朋友参考，也欢迎交流。
14010编辑于 2026-05-05- 来自专栏MixLab科技+设计实验室
Agent的5种级别和7条Anthropic的经验
Level 4 - 多 Agent 团队：多个专业 Agent 协作，但目前实验性较强。 Level 5 - Agent 系统：集成到异步处理系统中，适合商业应用，但构建困难。 Anthropic 最近发了一份构建 Agent 的经验： 1. Agent 设计 ≠ 只是提示词 ➜ 不仅仅是设计聪明的提示词，还是关于构建结构化的工作流—— Agent 可以推理、行动、反思、重试并升级。 现实世界的 Agent 需要现实世界的工具 ➜ Shell 访问，Git，API，工具插件。真正能完成事情的 Agent 使用工具——不仅仅是语言。设计你的 Agent 来执行，而不仅仅是解释。 5. ReAct 和 CoT 是系统模式，不是魔法技巧 ➜ 不要只是让模型“按步骤思考”。构建强制执行这种结构的系统：行动之前的推理，编写代码之前的规划，提交之前的反馈。 6.
16010编辑于 2026-03-24 - 来自专栏后端系统和架构
高可用架构和系统设计经验
TOC高可用架构和系统设计经验图片本文从研发规范层面、应用服务层面、存储层面、产品层面、运维部署层面、异常应急层面这六大层面去剖析一个高可用的系统需要有哪些关键的设计和考虑一、高可用架构和系统设计思想可用性和高可用概念可用性是一个可以量化的指标 高可用系统设计思想高可用系统的设计，需要有一套比较科学的工程管理套路，要从产品、开发、运维、基建等全方位去考量和设计，高可用系统的设计思想包括但不限于：做好研发规范，系统都是研发人员设计和编码写出来的， 容量规划阶段，更多是要依靠自身和团队的经验，比如要了解我们的 log 的性能、redis 的性能、rpc 接口的性能、服务化框架的性能等等，然后根据各种组件的性能来综合评估自己设计的系统的整体性能情况。 线上运行阶段-接口拨测系列设计接口拨测，和巡检类似，就是服务上线后，每隔一个固定时间（比如 5s）调用后端的各种接口，如果接口异常则进行告警针对接口拨测，一般也会有相关配套设施来提供相关的能力去实现，如果没有提供 推荐阅读推荐阅读我的其他文章：《高并发架构和系统设计经验》《TCP 长连接层的设计和 在 IM 项目中实战应用》《万字解读云原生时代，如何从 0 到 1 构建 K8s 容器平台的 LB（Nginx）负载均衡体系
2K163编辑于 2022-12-19 Agent设计模式（6）：Multi-Agent模式——构建多Agent协作系统
这是"Agent设计模式"系列文章的最后一篇。 可扩展：新增功能只需添加新Agent 二、Agent角色设计：职责分离 Multi-Agent系统的第一步是角色定义。 每个Agent必须明确： 它负责什么 它的输入是什么 它的输出是什么 它和其他Agent如何交互 ▪ 代码审查系统的角色设计 # agent_roles.py from dataclasses import Agent系统复杂，必须有良好的日志和监控 容错设计LLM调用可能失败，要有重试和降级机制 持续评估用真实数据测试，不断优化Prompt和逻辑 ▪ 6.3 推荐资源 论文： "ReAct: Synergizing 在单Agent能解决问题时，不要为了"炫技"而使用Multi-Agent。系统的价值在于解决问题，而不是技术有多复杂。 这个系列到这里就结束了。 希望这几篇文章能给你一个清晰的Agent设计地图。
31411编辑于 2026-05-09- 来自专栏服务端技术杂谈
用文件系统思路设计Agent记忆系统
用户与Agent的多轮对话过程中会出现很多记忆，包括用户原始的意图、诉求、关键词，还包括Agent的推理、规划、工具调用的执行结果及模型最终的响应。 智能体毕竟是一个软件系统，所以越来越多人用软件设计的思想实现[记忆模块]。 我们将智能体类比于一台计算机，文件系统就是计算机的记忆模块。 如果哪天底层切换存储组件，Agent层完全不需要感知，切换很灵活。 因为在接口层面做了抽象，所以可以很好的面向功能进行接口涉及，而无需关注这个功能接口究竟是用了一个文件系统还是多个类型的文件系统。 回过头来，我们看一下从用户提出问题，到最终Agent给出回答的整个流程如下。 最终实现类似于操作系统的文件系统能力，让智能体的记忆可追溯（每一步有据可查）、可审计（所有操作都有日志）、可演化（新组件无缝接入），整个Agent的记忆历史都是可以回溯的，而不是黑盒了。
26510编辑于 2026-03-11 - 来自专栏存储公众号：王知鱼
PCIe Gen5 互联拓扑设计与经验
经验总结：分享实际应用中的教训与经验。 可组合 PCIe 系统 PCIe 5.0 互联拓扑设计-Fig-1 基于PCIe高速通道解耦计算基础设施，将内存和GPU从计算节点独立出。 PCIe 5.0 互联拓扑设计-Fig-5 右图显示，基于PCIe HBR（交换卡）实现跨节点数据互通。 经验教训 1. PCIe 网络 PCIe 5.0 互联拓扑设计-Fig-9 GPU 热插拔复位： 重新配置 GPU 时，需要通过带内或带外的次级总线重置机制来保证系统稳定性。 5.
1.8K00编辑于 2025-02-11 - 来自专栏凯云实验室
谷歌Colossus文件系统的设计经验
@ Google》，透露了Colossus设计的深层思考。 Colossus汲取了GFS的经验教训，正如在《Storage Architecture and Challenge》中所提及的GFS的不足。 基础知识: 谷歌的第一个集群级文件系统（2001） 为具有大文件的批处理应用程序设计 同时管理metadata和chunk的单一主程序 为了可靠性，chunk通常被复制3份 GFS教训: 扩展到大约50M Colossus简史 2001年，谷歌设计第一个集群文件系统——GFS。GFS支持P级的数据存储，以及数千客户机与数千服务器的交互。 谷歌需要将系统迁移到集群级的文件系统，该文件系统具有容错能力，设计用于大规模扩展，能够更有效地使用机器资源，并且对面向用户的服务提供最小的干扰。
2.5K30编辑于 2022-04-02 - 来自专栏腾讯Bugly的专栏
超低功耗操作系统的设计经验
介绍完OS整体架构之后，我们会进一步介绍OS中的几个关键设计（双核通信，UI框架等）以及典型功耗问题的解决思路和方法（实战经验）。 5.功耗收敛 要使自研OS低功耗且稳定，除了因地制宜的硬件与软件设计之外，还需针对硬件电路，器件驱动以及OS层的各种问题进行联合排查和优化。 核心方法就是通过针对性的测试以及相关的摘件实验来缩小范围，然后通过软硬件的设计、代码与电路的走查等方式抓住根本原因。下面是一些典型问题的经验总结。 除了常规的硬件器件选型和硬件设计之外，本文总结的经验如下： 1.CPU选取需要尽可能平衡好功耗与算力的关系 2.双核架构需要引入，充分利用小核做更多算法与缓存工作，也有利于解耦 3.通过自研OS，可以将算力和 踏踏实实花7-8个月写大概30万行代码，可以收敛到稳定状态 4.做好双核通信的设计与实现，解决稳定性和通信效率问题 5.选择合适的UI框架，设计与封装AMS Task，应用开发可以独立展开，事半功倍 6
2.6K30发布于 2019-01-30 - 来自专栏程序员的成长之路
【经验】一个秒杀系统的设计思考
秒杀无外乎解决两个核心问题，一是并发读，一是并发写，对应到架构设计，就是高可用、一致性和高性能的要求。 关于秒杀系统的设计思考，本文即基于此 3 层依次推进，简述如下： 高性能。 如何保障应用在复杂工况环境下还能高效稳定运行，如何预防和面对突发问题，系统设计时应该从哪些方面着手？ 采集访问URL或 Agent 采集热点日志（一些中间件本身已具备热点发现能力），提前识别潜在的热点数据 聚合分析热点数据，达到一定规则的热点数据，通过订阅分发推送到链路系统，各系统根据自身需求决定如何处理热点数据 5 总结一下 当然，减库存还有很多细节问题，例如预扣的库存超时后如何进行回补，再比如第三方支付如何保证减库存和付款时的状态一致性，这些也是很大的挑战。 尤其在秒杀这一场景下，为了保证系统的高可用，必须设计一个 Plan B 方案来进行兜底。 高可用建设，其实是一个系统工程，贯穿在系统建设的整个生命周期。 ?
1.2K53发布于 2019-12-09 Agent设计模式（5）：Planning模式——如何拆解复杂任务
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。 例子： 任务1：优化数据库（依赖任务2的缓存设计） 任务2：设计缓存策略（依赖任务1的查询逻辑） 任务3：实现算法（依赖任务2的缓存策略） 原因： 没有进行依赖分析，直接根据经验拆解任务。
20511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）
然而，要使 Agent 真正有用并与现实世界或外部系统交互，它们需要使用工具的能力。 控制其他系统或设备： 与智能家居设备、物联网平台或其他连接系统交互。 用例： 智能家居 Agent。 工具： 控制智能灯的 API。 Agent 流程： 用户说"关闭客厅的灯。" =True # 在生产环境中设置为 False 以获得较少的详细日志 ) ## --- 5. 经验法则： 当 Agent 需要突破 LLM 的内部知识并与外部世界交互时，使用工具使用模式。 视觉摘要： ** ** 图 2：工具使用设计模式 关键要点 工具使用（函数调用）允许 Agent 与外部系统交互并访问动态信息。 它涉及定义具有 LLM 可以理解的清晰描述和参数的工具。
2.3K10编辑于 2025-10-27 - 来自专栏蓝天
MOOON-agent发布：MOOON-agent系统设计与使用说明
MOOON-agent系统设计与使用说明.pdf MOOON-agent系统设计与使用说明 易剑 2012/6/16 1. 设计目标 一个通用的agent框架，提供编程接口，并内置通用的功能。 2. 应用场景 ? 3. 主要功能 1) 自动上报心跳 2) 支持以域名方式指定center或者IP列表方式指定center 3) 与center断开后自动重连接 4) 支持多种重连接center策略，如轮询方式 5) 自动上报数据到 center 6) 可选多种心跳方式，简单心跳不附带数据，富心跳可携带系统状态数据，如CPU使用率、内存使用情况等 7) 提供获取CPU使用率、内存使用情况和流量等接口 8) 内置配置等CommandProessor 系统骨架 ? 5. 资源接口 暂略。 6. 内置CommandProcessor 暂略。 7. 编程接口 除宏外，所以内容均位于agent名字空间内。
96210发布于 2018-08-07 - 来自专栏后端技术
系统设计与分析 作业5
数据库建模(E-R 模型) 按 Task 3 要求，给出系统的 E-R 模型（数据逻辑模型） 建模工具 PowerDesigner（简称PD） 或开源工具 OpenSystemArchitect 不负责的链接 Location` () ON DELETE NO ACTION ON UPDATE NO ACTION) ENGINE = InnoDB DEFAULT CHARACTER SET = big5;
52720发布于 2019-05-25 - 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。 流程编排者：人类开发者： 在此协作框架中，人类开发者承担编排者职能，作为 AI Agent 的中央智能节点与最终权威。 角色定位： 团队领导、系统架构师及最终决策者。 明确界定"目标愿景"与"设计 rationale"，借助 Agent 团队加速"实施方案"落地。作为设计决策的最终仲裁者，确保各组件严格遵循项目长期愿景与质量标准。 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DevOps持续集成
5年DevOps 经验中的5条经验教训
5.不要停止学习！ 众所周知，技术是一个不断变化的领域，但由于某种原因，云和基础设施工具空间似乎比其他领域变化得更快一些！ 文章翻译 https://storkey.medium.com/5-learnings-from-5-years-in-devops-fc1a05d12865
38610编辑于 2023-12-04 - 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 - 来自专栏码
如何设计基于Agent的AI应用系统
那么，我们应该如何来设计一套系统，实现这样的诉求呢？ Agent功能分类 我们按照最小职责原则，将所有的功能进行划分，尽可能的把功能拆分开，每一个功能，都有一个Agent与之对应。 AI系统设计 现在，让我们想象，我们已经有了一台机器人，现在它需要完成一个炒鸡蛋的任务，那么，从我们编程的角度，这里面都由哪些东西构成呢？数据和指令的流动是怎样的呢？ AI系统设计示意图（注意，这里的中枢层和Agent的中枢大脑是两个概念） 对于我们开发者，主要是在软件侧做一些事情，不同的硬件传感器它的数据结构是不同的，因此，我们需要有一个针对性的agent来处理这类传感器的信号 AI应用设计示意图 通过这一架构，我们可以让Agent被无限扩展，而无需调整已有代码。随着agents的数量越来越多，系统能支持的能力也越来越强。 就如上文展示的一样，将来，在AI系统的基础上，我们只需要使用非常简单的自然语言，就能设计出以目标为导向的任务，而无需关心它的具体实现，以及它的内部原理。
3.3K11编辑于 2024-03-26 - 来自专栏XINDOO的专栏
Agent设计模式——结论
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。 学习和适应模式更进一步，允许 Agent 的行为根据反馈和经验而演变，使其随时间变得更加有效。 协作和通信： 许多复杂问题最好通过协作来解决。 多 Agent 协作模式允许创建系统，其中多个专门的 Agent（每个都有不同的角色和能力集）共同努力实现共同目标。这种劳动分工使系统能够处理对单个 Agent 来说难以解决的多方面问题。 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。 这些 Agentic 设计模式是您的调色板和笔触——使您能够超越简单的提示词并创建动态的、响应式的和目标导向的实体的基础元素。
48310编辑于 2025-10-27 - 来自专栏XINDOO的专栏
Agent设计模式——
情感： 理解何时应用 zero-shot、one-shot 和 few-shot 提示技术，并精心设计和组织示例，对于提升 Agentic 系统的效能至关重要。 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。 这些技术对于构建能够主动与世界互动、检索实时信息并执行需要与外部系统交互任务的 Agent 至关重要。 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。
45110编辑于 2025-10-27
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