Agent 设计：简单优先

原文：raw/sources/anthropic-building-effective-agents.md（Anthropicengineering blog《Building Effective AI Agents》，2024-12-19）。Anthropic 对 agent 设计模式的系统阐述。

核心论点

• workflows 与 agents 的架构区分：workflows 是 LLM 和工具走预定义代码路径的系统；agents 是 LLM 动态指挥自己的流程和工具使用的系统。两者统称 agentic systems。
• 简单优先：找最简单的方案，只在需要时增加复杂度——这可能意味着根本不建 agentic system。agentic systems 用延迟和成本换任务表现，要想清楚这笔交易是否划算。多数应用优化单次 LLM 调用（加检索和示例）就够了。
• 对框架保持警惕：框架方便起步，但额外抽象层会遮蔽底层 prompt 与响应、诱导过度复杂化。建议直接用 LLM API 起步，很多模式几行代码就能实现。

五种 workflow 模式 + agent

基础构件是 augmented LLM（带检索、工具、记忆的 LLM）。在此之上：

1. Prompt chaining：任务拆成固定串行步骤，用延迟换精度
2. Routing：先分类再分发到专门的后续处理，关注点分离
3. Parallelization：sectioning（独立子任务并行）与 voting（同任务多跑取多样输出）
4. Orchestrator-workers：中央 LLM 动态拆解、分派给 worker、综合结果——子任务不可预知时用（如改多个文件的编码任务）
5. Evaluator-optimizer：一个生成、一个评估反馈、循环迭代——评价标准清晰且迭代有可测价值时用

Agents：本质是“LLM 在循环中基于环境反馈使用工具”。适合开放式、步数不可预测的问题；每一步从环境获取 ground truth 评估进度；自治意味着更高成本和错误复利，需要沙盒测试与护栏。详见 agentic systems。

三条实现原则

1. 保持 agent 设计的简单
2. 通过显式展示规划步骤保持透明
3. 精心打磨 agent-computer interface（ACI）：工具文档与测试

对本知识库的印证

本项目的操作集设计与此文一致：wiki-ingest/query/lint 是 workflows（预定义路径），wiki-research 的并行 subagent 属 orchestrator-workers 模式，红队审计属 evaluator-optimizer 思想。