文章图片
机器之心报道
编辑：Panda
当前 ， AI 领域最火热的浪潮无疑是 AI Agent（智能体） 。 从科技巨头到创业公司 ， 无数开发者正投身于构建能够自主理解、规划和执行复杂任务的智能系统 。
然而 ， 在这股「淘金热」的背后 ， 开发者们也面临着巨大的挑战：如何系统性地设计智能体的行为？如何确保系统的稳定性和可靠性？如何避免一次又一次地「重造轮子」？整个领域迫切需要一套经过实践检验的「建筑图纸」和方法论 。
学习 ， 如有一本好书 ， 往往事半功倍 。
近日 ， 谷歌资深工程主管、杰出工程师 Antonio Gulli 在网上公开发布了自己的新书《Agentic Design Patterns（智能体设计模式）》 。
对许多开发者来说 ， 「设计模式（Design Pattern）」这个词并不陌生 。 它曾在软件工程领域扮演了「圣经」般的角色 ， 将无数前辈的最佳实践固化为可复用的解决方案 。 而 Antonio Gulli 此举的意义 ， 正是在于为方兴未艾的智能体开发领域 ， 提供了首批系统性的「设计模式」 ， 帮助开发者让打造强大、可靠的智能体变得有章可循 。
现在 ， 虽然该书已经在亚马逊开启预售（作者表示全部版税将捐赠给拯救儿童组织） ， 但感兴趣的读者也可以在谷歌文档上免费查看全书 。
地址：https://docs.google.com/document/d/1rsaK53T3Lg5KoGwvf8ukOUvbELRtH-V0LnOIFDxBryE/preview?tab=t.0#
光看其目录 ， 就能感觉到 ， 读完这本书 ， 你就能非常全面地理解智能体 + 代码：
从目录的编排上 ， 我们也能看出作者的深思熟虑 。 这本 400 多页的著作的结构堪称一份精心设计的学习路线图 。
第一部分从提示链、路由和工具使用等最核心的单元操作入手 ， 如同教授智能体的基本语法 。 随后 ， 内容逐步深入到记忆、学习、多智能体协作等高级主题 ， 最终在第四部分落脚于安全护栏、评估监」和资源优化等至关重要的生产实践环节 。
这条路径清晰地将读者从构建一个简单的原型 ， 一路引导至打造一个真正能在现实世界中稳健运行的复杂智能系统 。 因此 ， 这本指南不仅是技术的集合 ， 更是一次宝贵的机会 ， 让我们得以一窥顶级科技公司内部解决复杂 AI 工程问题的思维框架和实战智慧 。
这是我们整理的目录中文版：
引言
是什么让 AI 系统成为「智能体」？
第一部分
第一章：提示链
第二章：路由
第三章：并行化
第四章：反思
第五章：工具使用
第六章：规划
第七章：多智能体
第二部分
第八章：记忆管理
第九章：学习与适应
第十章：模型上下文协议 (MCP)
第十一章：目标设定与监控
第三部分
第十二章：异常处理与恢复
第十三章：人机协作（Human-in-the-Loop）
第十四章：知识检索 (RAG)
第四部分
第十五章：智能体间通信 (A2A)
第十六章：资源感知型优化
第十七章：推理技术
第十八章：护栏 / 安全模式
第十九章：评估与监控
第二十章：优先级排序
第二十一章：探索与发现
附录
附录 A：高级提示技术
附录 B：AI 智能体…… 从 GUI 到现实世界环境
附录 C：智能体框架速览
附录 D：使用 AgentSpace 构建智能体（仅在线）
附录 E：命令行中的 AI 智能体
附录 F：深入底层：探秘智能体推理引擎
附录 G：编码智能体
下面 ， 我们就来看看这本书的引言部分 ， 以便对该书有一个大致的了解：
欢迎阅读《智能体设计模式：构建智能系统的实践指南》 。 纵观现代 AI 的发展 ， 我们能清晰地看到一条演进路径：从简单的反应式程序 ， 到能够理解上下文、做出决策并与环境及其他系统动态交互的复杂自主实体 。 这些实体 ， 就是我们所说的智能体 ， 以及由它们构成的智能体系统 。
强大的大型语言模型（LLMs）的出现 ， 为理解和生成类人文本与媒体内容提供了前所未有的能力 ， 并担当了许多智能体的「认知引擎」 。 然而 ， 要将这些能力整合进一个能够可靠达成复杂目标的系统 ， 仅仅拥有一个强大的模型是远远不够的 。 这还需要精心的结构、巧妙的设计 ， 以及对智能体如何感知、规划、行动和交互的深思熟虑 。
你可以将构建智能系统想象成在一块「画布」上进行复杂的艺术创作或工程建设 。 这块画布并非空白的视觉空间 ， 而是指底层的技术设施与框架 ， 它们为智能体的存在和运作提供了环境与工具 。 它是你构建智能应用的基础 ， 负责管理状态、通信、工具调用以及逻辑流 。
在这块智能体的画布上高效地进行构建 ， 绝非简单地堆砌组件 。 你需要理解那些经过验证的技术 —— 即「模式」—— 它们专为应对设计和实现智能体行为时的常见挑战而生 。 正如架构模式指导建筑物的建造 ， 或设计模式构建软件的结构一样 ， 智能体设计模式为你提供了一套可复用的解决方案 ， 用以处理在画布上赋予智能体生命时会反复遇到的问题 。
什么是智能体系统？
从核心上讲 ， 智能体系统是一种计算实体 。 它被设计用来感知其环境（数字环境 ， 甚至可能包括物理环境） ， 基于这些感知和一系列预设或习得的目标来做出明智决策 ， 并自主执行动作以达成这些目标 。 与遵循刻板、逐步指令的传统软件不同 ， 智能体展现出了一定程度的灵活性和主动性 。
想象一下 ， 你需要一个系统来处理客户咨询 。 传统系统可能会遵循固定的脚本 。 而一个智能体系统则能够洞察客户询问的细微差别 ， 访问知识库 ， 与订单管理等其他内部系统交互 ， 甚至可能会提出澄清性问题 ， 并主动解决问题 ， 有时还能预见客户未来的需求 。 这些智能体就在你应用程序基础设施这块「画布」上运行 ， 利用其上可用的服务和数据 。
智能体系统通常具备以下特征：自主性（无需持续的人工监督即可行动）、主动性（为达成目标而主动发起行动）和反应性（能有效应对环境变化） 。 它们从根本上是目标导向的 ， 始终为实现目标而努力 。 一项关键能力是工具使用 ， 这使其能与外部 API、数据库或服务交互 —— 相当于有效地将其能力延伸到了自身画布之外 。 它们拥有记忆 ， 能在多次交互中保留信息 ， 并能与用户、其他系统 ， 甚至是在相同或互联画布上运行的其他智能体进行通信 。
要有效地实现这些特性 ， 会引入相当大的复杂性 。 例如 ， 智能体如何在画布上的多个步骤之间维持状态？它如何决定何时以及如何使用工具？不同智能体之间的通信如何管理？你又该如何构建系统的弹性 ， 以应对意外结果或错误？
为何模式在智能体开发中至关重要
正因存在这些复杂性 ， 智能体设计模式才变得不可或缺 。 它们并非僵化的规则 ， 而是久经考验的模板或蓝图 ， 为智能体领域的标准设计与实现挑战提供了行之有效的方案 。 通过识别和应用这些设计模式 ， 你将获得能增强智能体结构、可维护性、可靠性和效率的解决方案 ， 从而更好地在你的画布上进行构建 。
使用设计模式可以帮助你避免为管理对话流、集成外部能力或协调多智能体行动等任务「重造轮子」 。 它们提供了一种通用语言和结构 ， 使你的智能体逻辑更清晰 ， 也更容易被他人（以及未来的你）理解和维护 。 应用专为错误处理或状态管理设计的模式 ， 可以直接构建出更健壮、更可靠的系统 。 借助这些成熟的方法 ， 你能加快开发进程 ， 从而专注于应用的独有之处 ， 而非智能体行为的基础机制 。
本书提炼了 21 个关键的设计模式 ， 它们是在各种技术画布上构建复杂智能体的基础模块和核心技术 。 理解并应用这些模式 ， 将极大地提升你有效设计和实现智能系统的能力 。
本书概览及使用方法
《智能体设计模式：构建智能系统的实践指南》旨在成为一份实用且易于上手的资源 。 本书的核心重点是清晰地解释每一种智能体模式 ， 并提供具体、可运行的代码示例来展示其实现 。 在 21 个专门的章节中 ， 我们将探索从构建序列化操作（提示链）和外部交互（工具使用）等基础概念 ， 到多智能体协作和自我修正等高级主题的各种设计模式 。
本书按章节组织 ， 每一章深入探讨一个智能体模式 。 在每个章节中 ， 你都会看到：
模式概览：清晰解释该模式及其在智能体设计中的作用 。 实际应用与用例：通过真实场景说明该模式的宝贵价值及其带来的好处 。 动手代码示例：提供实用、可运行的代码 ， 演示如何使用主流智能体开发框架实现该模式 。 在这里 ， 你将看到如何在技术画布的上下文中应用模式 。 关键要点：总结最核心的内容 ， 便于快速回顾 。 参考文献：提供用于进一步探索的资源 ， 帮助你更深入地学习该模式及相关概念 。虽然各章节按循序渐进的方式编排 ， 但你完全可以将本书作为参考手册 ， 直接翻到能解决你项目中特定挑战的章节 。 附录部分全面介绍了高级提示技巧、在真实环境中应用 AI 智能体的原则 ， 以及主流智能体框架的概览 。 作为补充 ， 我们还提供了仅在线发布的实践教程 ， 为你提供使用 AgentSpace 等特定平台以及命令行界面构建智能体的分步指导 。 全书始终强调实际应用 ， 我们强烈建议你运行代码示例 ， 亲手实验 ， 并将其改造 ， 用以在你的画布上构建属于你自己的智能系统 。
我常听到的一个好问题是：「AI 发展如此之快 ， 为何要写一本可能很快就过时的书？」我的初衷恰恰相反 。 正是因为技术日新月异 ， 我们才更需要退后一步 ， 去识别那些正在稳定下来的底层原则 。 我所讨论的 RAG、反思、路由、记忆等模式 ， 正在成为基础的构建模块 。 本书旨在邀请读者一同反思这些核心思想 ， 它们为我们未来的构建工作奠定了基石 。 人类需要这样沉淀基础模式的时刻 。
所用框架简介
为了给代码示例提供一个可触摸的「画布」（亦可参见附录） ， 我们将主要使用三个主流的智能体开发框架 。 LangChain 及其状态化扩展 LangGraph ， 提供了一种灵活的方式来链接语言模型和其他组件 ， 为构建复杂的操作序列和图谱提供了一块坚实的画布 。 Crew AI 提供了一个结构化的框架 ， 专门用于编排多个 AI 智能体的角色和任务 ， 使其成为一块特别适合协作型智能体系统的画布 。 谷歌智能体开发工具包 (Google ADK) 则提供了一系列用于构建、评估和部署智能体的工具与组件 ， 构成了另一块有价值的画布 ， 且通常与谷歌的 AI 基础设施集成 。
这些框架代表了智能体开发画布的不同侧面 ， 各有千秋 。 通过展示跨越这些工具的示例 ， 你将更广泛地理解 ， 无论你为自己的智能体系统选择何种特定技术环境 ， 这些模式都可以应用 。 所有示例都旨在清晰地阐明模式的核心逻辑及其在相应框架画布上的实现 ， 并以清晰易懂和实用为重 。
【谷歌大神出手,免费发布《智能体设计模式》,AI Agent开发终极秘籍】读完本书 ， 你不仅将理解 21 个核心智能体模式背后的基本概念 ， 还将掌握有效应用它们的实践知识和代码示例 ， 从而能够在自己选定的开发画布上 ， 构建出更加智能、更能干、更自主的系统 。 现在 ， 就让我们开启这段实践之旅吧！
推荐阅读
- 1亿签约金抢AI大神？谷歌AI元老劝退全网：别再读博了
- 谷歌Pixel 11或搭载联发科M90基带，带来通信提升
- OpenAI推出智能购物系统挑战谷歌亚马逊
- 谷歌智能家居新品发布，Gemini AI再升级
- CUDA内核之神、全球最强GPU程序员？OpenAI的这位幕后大神是谁
- 韩国如何用本土AI技术挑战OpenAI和谷歌
- 微软出手“立规矩”，AI公司不能白拿数据
- 谷歌Veo 3论文竟无一作者来自美国！揭秘零样本「看懂」世界
- 向华为鸿蒙学习，谷歌变聪明了，要推出安卓PC版操作系统
- 首款推理具身模型，谷歌DeepMind造！自主理解/规划/执行复杂任务