← 所有文章

Agentic AI 架構：編排多代理工作流

Agent 是一個能規劃、呼叫工具、觀察結果並決定下一步的語言模型。串幾個 prompt 很簡單；打造一個可靠、有邊界、可除錯的 agentic 系統，是架構問題。這是我們的做法。

1. 拆解：規劃者與工作者

不要做一個全知的 agent，而是拆分責任。規劃者把目標拆成步驟；專門的工作者 agent 各自負責一項狹窄任務，有自己的工具與 prompt。這讓上下文保持精簡、每個 agent 可獨立測試，也能個別替換或擴展。

2. 工具是通往世界的介面

Agent 的能力取決於它的工具。給每個工具清晰的 schema、驗證輸入與輸出、盡可能做到冪等。把工具設計當成 API 設計：清楚的名稱、緊湊的範圍、有用的錯誤訊息，讓模型能恢復而不是猜測。

3. 記憶與狀態

把短期工作記憶（當前任務的暫存區）與長期記憶（事實與過去結果，通常透過 RAG）分開。持久化狀態，讓一次執行可以暫停、恢復、被稽核。明確的狀態勝過把所有東西塞進不斷膨脹的 prompt。

4. 護欄與控制

自主需要限制。限制步數與預算以防迴圈、把高風險動作放在人工核准之後、工具權限採最小權限。在 agent 提出的動作執行前先驗證。可靠性來自模型周圍的框架，而不只是模型本身。

5. 可觀測性與評估

追蹤每一步——計畫、工具呼叫、輸入、輸出與決策——讓失敗可以被解釋。以真實任務的成功率評估，而不只是每一步的正確性，並做對抗性檢查以抓出「自信但錯誤」的行為。從第一天就記錄每次執行的成本與延遲。

勝出的模式不是更大的模型，而是更好的系統：小而範圍明確的 agent、乾淨的工具、明確的狀態、堅實的護欄、深入的可觀測性。這就是把驚豔的 demo 變成可靠產品的方法。