Agentic智能體設計模式

"安東尼奧·古利(Antonio Gullí)是谷歌公司的一位經驗極為豐富的高級總監，目前擔任首席技術官辦公室的工程總監一職。他擁有超過30年的相關行業經驗，是業內知名人物，在人工智能、搜索引擎和雲計算領域具有深厚的專業背景，擁有11項已授權專利和27項正在申請中的專利。安東尼奧的職業經歷遍及六個歐洲國家，積累了豐富的國際經驗。他曾在愛思唯爾(任副總裁)、微軟(任必應搜索站點負責人)、Ask.com(任歐洲區首席技術官)以及谷歌在波蘭、英國和瑞士的分公司的多個崗位任職，這些經歷為他帶來了寶貴的行業洞察。他還是一位連續創業者，創立了多家公司，包括意大利的第一個搜索引擎公司，該引擎也是全球最早的搜索引擎之一。他同時是一名天使投資人。安東尼奧的教育背景同樣卓越，擁有比薩大學計算機科學博士學位、工程學碩士學位、實踐工程學碩士學位及計算機科學學士學位。他的技術專長涵蓋高級軟件工程、人工智能、搜索、雲原生技術(Kubernetes)、Keras及深度學習等領域。此外，安東尼奧還兼任董事會成員和風險投資顧問，是極具價值的專業人才。"

目  錄

 

第 I 部分 模  式

第1章 提示鏈2

1.1 提示鏈模式概述2

1.1.1 單一提示詞的局限性3

1.1.2 通過順序分解提高可靠性3

1.1.3 結構化輸出的作用4

1.2 實際應用與案例5

1.2.1 信息處理工作流5

1.2.2 復雜問題解答5

1.2.3 數據提取與轉換6

1.2.4 內容生成工作流7

1.2.5 具有狀態的對話智能體7

1.2.6 代碼生成與優化8

1.2.7 多模態與多步驟推理8

1.3 實踐代碼示例8

1.4 上下文工程與提示詞工程10

概覽12

核心要點13

結論13

第2章 路由14

2.1 路由模式概述14

2.2 實際應用與案例16

2.3 實踐代碼示例(LangChain)17

2.4 實踐代碼示例(Google ADK)20

概覽24

核心要點25

結論26

第3章 並行化27

3.1 並行化模式概述27

3.2 實際應用與案例29

3.2.1 信息收集與研究29

3.2.2 數據處理與分析29

3.2.3 多 API 或工具交互29

3.2.4 多組件內容生成30

3.2.5 驗證與核實30

3.2.6 多模態處理30

3.2.7 A/B 測試或多方案生成30

3.3 實踐代碼示例(LangChain)31

3.4 實踐代碼示例(Google ADK)34

概覽38

核心要點39

結論40

第4章 反思41

4.1 反思模式概述41

4.2 實際應用與案例43

4.2.1 創意寫作與內容生成43

4.2.2 代碼生成與調試43

4.2.3 復雜問題解決44

4.2.4 總結與信息綜合44

4.2.5 規劃與策略制定44

4.2.6 對話式智能體44

4.3 實踐代碼示例(LangChain)45

4.4 實踐代碼示例(ADK)48

概覽50

核心要點51

結論52

第5章 工具使用(函數調用)53

5.1 工具使用模式概述53

5.2 實際應用與案例54

5.2.1 從外部源獲取信息54

5.2.2 與數據庫和 API 交互55

5.2.3 進行計算和數據分析55

5.2.4 發送通信內容55

5.2.5 執行代碼56

5.2.6 控制其他系統或設備56

5.3 實踐代碼示例(LangChain)56

5.4 實踐代碼示例(CrewAI)59

5.5 實踐代碼示例(Google ADK)63

5.5.1 谷歌搜索64

5.5.2 代碼執行66

5.5.3 企業搜索67

5.5.4 Vertex 擴展70

概覽70

核心要點71

結論72

第6章 規劃73

6.1 規劃模式概述73

6.2 實際應用與案例74

6.3 實踐代碼示例 (Crew AI)74

6.4 Google Deep Research76

6.5 OpenAI Deep Research API79

概覽82

核心要點83

結論84

第7章 多智能體協作85

7.1 多智能體協作模式概述85

7.2 實際應用與案例87

7.3 多智能體協作：探索相互關系與通信結構88

7.4 實踐代碼示例 (Crew AI)89

7.5 實踐代碼示例 (Google ADK)92

概覽98

核心要點99

結論100

第8章 記憶管理101

8.1 實際應用與案例102

8.2 實踐代碼：Google ADK中的記憶管理103

8.2.1 會話：對話線程跟蹤機制103

8.2.2 狀態：會話的臨時工作區105

8.2.3 記憶：借助記憶服務實現長期知識存儲109

8.3 實踐代碼：LangChain 和 LangGraph 中的記憶管理111

8.4 Vertex Memory Bank116

概覽117

核心要點118

結論119

第9章 學習與適應120

9.1 宏觀視角120

9.2 實際應用與案例122

9.3 案例研究：自我改進編碼智能體123

9.4 AlphaEvolve 與 OpenEvolve126

概覽128

核心要點129

結論130

第10章 模型上下文協議131

10.1 MCP 模式概述131

10.2 MCP 與工具函數調用的對比132

10.3 MCP的更多考量133

10.4 實際應用與案例136

10.5 基於 ADK 的實踐代碼示例137

10.5.1 智能體配置與 MCPToolset  137

10.5.2 MCP 服務器與 ADK Web 進行連接139

10.5.3 使用 FastMCP 創建 MCP 服務器140

10.5.4 FastMCP 服務器示例140

10.5.5 通過ADK智能體調用 FastMCP 服務141

概覽143

核心要點144

結論145

第11章 目標設定與監控146

11.1 目標設定與監控模式概述146

11.2 實際應用與案例147

11.3 實踐代碼示例148

11.3.1 安裝依賴148

11.3.2 註意事項153

概覽154

核心要點155

結論156

第12章 異常處理與恢復157

12.1 異常處理與恢復模式概述157

12.2 實際應用與案例159

12.3 實踐代碼示例(ADK)160

概覽161

核心要點162

結論162

第13章 人在回路164

13.1 人在回路模式概述165

13.2 實際應用與案例166

13.3 實踐代碼示例167

概覽169

核心要點170

結論171

第14章 知識檢索172

14.1 知識檢索模式概述172

14.1.1 嵌入表示173

14.1.2 文本相似度174

14.1.3 語義相似度與語義距離174

14.1.4 文檔分塊174

14.1.5 向量數據庫175

14.1.6 RAG 面臨的挑戰175

14.1.7 圖檢索增強生成176

14.1.8 Agentic RAG 177

14.1.9 Agentic RAG 面臨的挑戰178

14.1.10 總結178

14.2 實際應用與案例179

14.3 實踐代碼示例(ADK)179

14.4 實踐代碼示例(LangChain)181

概覽183

核心要點184

結論185

第15章 智能體間通信186

15.1 智能體間通信模式概述186

15.1.1 A2A協議的核心概念186

15.1.2 A2A 協議與 MCP 對比192

15.2 實際應用與案例192

15.3 實踐代碼示例193

概覽196

核心要點197

結論198

第16章 資源感知優化199

16.1 實際應用與案例199

16.2 實踐代碼示例200

16.3 實踐代碼示例(OpenAI)203

16.4 實踐代碼示例(OpenRouter)207

16.5 超越動態模型切換：智能體資源優化策略概覽209

概覽210

核心要點211

結論212

第17章 推理技術213

17.1 實際應用與案例213

17.2 核心推理技術214

17.3 推理擴展定律226

17.4 實踐代碼示例227

17.5 智能體是如何“思考”的229

概覽230

核心要點231

結論232

第18章 護欄機制 / 安全模式233

18.1 實際應用與案例233

18.2 實踐代碼示例(CrewAI)234

18.3 實踐代碼示例(Vertex AI)245

18.4 工程化可靠智能體249

概覽250

核心要點251

結論251

第19章 評估與監控253

19.1 實際應用與案例253

19.2 實踐代碼示例254

19.3 智能體軌跡評估262

19.4 從智能體到高級承包商263

19.5 Google ADK266

概覽266

核心要點267

結論268

第20章 優先級排序269

20.1 優先級排序模式概述269

20.2 實際應用與案例270

20.3 實踐代碼示例271

概覽276

核心要點276

結論277

第21章 探索與發現278

21.1 實際應用與案例278

21.2 Google 聯合科學家279

21.3 實踐代碼示例282

概覽288

核心要點289

結論289

 

第II部分 補 充 內 容

第22章 高級提示詞技術292

22.1 提示詞技術簡介292

22.2 提示詞工程核心原則293

22.3 基礎提示詞技術294

22.3.1 零樣本提示294

22.3.2 單樣本提示294

22.3.3 少樣本提示295

22.4 提示詞結構設計296

22.4.1 系統提示296

22.4.2 角色提示297

22.4.3 使用分隔符297

22.5 上下文工程298

22.6 結構化輸出299

22.7 推理與思維過程技巧302

22.7.1 思維鏈302

22.7.2 自我一致性304

22.7.3 回溯提示305

22.7.4 思維樹305

22.8 行動與交互技巧306

22.8.1 工具 / 函數調用306

22.8.2 反應式推理與行動307

22.9 高級技巧308

22.9.1 自動提示工程308

22.9.2 疊代式提示 / 優化309

22.9.3 提供負面示例310

22.9.4 使用類比310

22.9.5 因式認知 / 任務分解310

22.9.6 檢索增強生成311

22.9.7 用戶角色模式 311

22.10 使用 Google Gems311

22.11 使用 LLM 優化提示詞(元方法)312

22.12 特定任務的提示技巧314

22.12.1 代碼提示314

22.12.2 多模態提示314

22.13 最佳實踐與實驗315

結論316

第23章 AI Agentic交互：從圖形用戶界面到現實世界環境318

23.1 智能體與計算機的交互318

23.2 智能體與環境的交互320

23.3 氛圍編程：借助 AI 實現直觀開發321

核心要點323

結論323

第24章 Agentic 框架快速概覽324

24.1 LangChain324

24.2 LangGraph324

24.3 應該如何選擇325

24.4 Google ADK327

24.5 CrewAI328

24.6 其他智能體開發框架329

結論330

第25章 使用 AgentSpace 構建智能體332

25.1 概述332

25.2 如何使用 AgentSpace UI 構建智能體333

結論336

第26章 命令行界面上的AI Agent337

26.1 引言337

26.2 Claude CLI (Claude Code)337

26.3 Gemini CLI338

26.4 Aider339

26.5 GitHub Copilot CLI340

26.6 用於命令行界面中 AI 智能體的評估框架341

結論341

第27章 深入探究：智能體推理引擎剖析342

27.1 Gemini342

27.1.1 分析我的方法342

27.1.2 完善解釋內容343

27.1.3 詳細闡述我的方法343

27.2 ChatGPT344

27.3 Grok347

27.3.1 分步解析我的推理步驟347

27.3.2 我推理的關鍵特點349

27.3.3 局限性與註意事項350

27.4 Kimi350

27.5 Claude352

27.6 DeepSeek353

結論355

第28章 編碼智能體357

28.1 氛圍編程：起點357

28.1.1 智能體作為團隊成員357

28.1.2 核心組件359

28.2 實際實施361

28.2.1 設置清單361

28.2.2 增強型團隊的領導原則362

結論363

第29章 總結364

29.1 Agentic 核心原則回顧364

29.2 組合模式構建復雜系統366

29.3 未來展望367

29.4 結語368