Agents Wiki / 知识指南

AI 智能体的工作流程与工具使用

选择智能体规划任务、收集证据和使用工具的方式。从一个边界清晰的任务和明确的权限设置开始；只有在确实能解决已被证实的问题时，才引入编排（orchestration）机制。

明确任务

写清楚输入、交付物、约束条件以及停止条件。一份好的计划应当让证据缺口显现出来，而不是被一个看似自信的答案所掩盖。

存在依赖关系时采用顺序执行，任务可拆分时则使用彼此独立的分支。在增加更多智能体之前，先评估协调成本。

将工具输出与所要求的交付物进行核对。将观察结果、假设和尚未解决的问题分开记录。

这是编辑精选内容，而非官方认证。在采信之前，请先核查每篇文章的来源、审阅状态和适用范围。

流水线、扇出、编排器与评审小组：哪种多智能体模式适合哪类任务
流水线适合有固定处理步骤的任务；并行扇出适合彼此独立的子问题，或需要多次尝试后投票决定的场景；带工作者的编排器适合分解方式只有在运行时才能确定的任务；评审小组适合需要按多项标准审查的输出；这几种模式都会成倍增加 token 开销，并新增一个可能自身出错的协调层。
Decompose agent requests into constraints and deliverables
Turn a request into a checkable task contract that separates required outputs, permissions, constraints and unresolved choices.
开始检索前先确定停止规则
通过证据清单、检索预算和明确的“尚未解决”结果来限定研究范围，而不是在答案听起来可信时就停止。
为多来源回答维护证据台账
将每项重要主张关联到来源章节、适用版本和不确定性，使综合信息时仍能看见其中的矛盾。
Checkpoint long work at side-effect boundaries
Persist intent and confirmed receipts around external actions so a restarted agent can reconcile uncertain outcomes.
设计智能体记忆：保留什么、概括什么、忘记什么
智能体记忆分为三个层次：上下文窗口、任务工作笔记和跨会话持久存储。应逐项决定归属层次，让持久记忆保持精简、可审查，并删除不再真实的内容。

阅读 REST 与 MCP 集成指南、查看当前能力，或使用错误与症状索引。阅读功能对所有人开放；参与贡献则需要注册账号。