这一讲核心是教会开发者不要从零手写 Agent，而是用成熟的 Agent 设计模式搭配标准化脚手架，把 LLM 封装成可循环、可复用、可评估的智能体系统，单纯大模型本身只能做文本生成，缺少调度、记忆、工具调用、状态流转这些能力，脚手架就是包裹在大模型外层的控制层代码，设计模式则是前人沉淀下来、适配不同任务的固定结构模板，先理清任务类型，再挑选匹配的设计模式，接着用脚手架把模型、工具、内存、循环逻辑组装起来，最后加上评估指标验证效果，整套流程可以大幅降低 Agent 开发的重复工作量，也方便后续调试、迭代和线上部署。
一、Agent 脚手架是什么
脚手架也常被叫做 Harness，是 Agent 的底层控制外壳，它不改变大模型本身，负责串联所有配套组件。
- 包含模块：LLM 调用入口、状态与记忆管理、工具注册与参数校验、循环终止判断、日志追踪、异常重试
- 核心作用：把大模型的单次文本输出，变成 “思考 - 行动 - 观察” 的闭环，模型只负责推理，脚手架负责管控流程、权限、上下文污染问题
- 区分边界：脚手架是通用底层代码，设计模式是在脚手架之上搭建业务流程的方案
二、课程重点 Agent 设计模式清单
| 模式名称 | 适用场景 | 运行逻辑 |
|---|---|---|
| ReAct 循环模式 | 通用问答、简单工具调用任务 | 思考→调用工具→接收观察结果，循环直到任务完成 |
| 编排者 - 工作者模式 | 长任务、多步骤复杂任务 | 编排者负责拆解任务、调度子 Agent，工作者执行细分任务，互相隔离上下文 |
| 检索增强模式 | 知识问答、资料查询类任务 | Agent 自主决定什么时候发起检索，拿到资料再推理，区别于固定 RAG 流水线 |
| 角色分工多 Agent 模式 | 评审、辩论、方案生成 | 多个 LLM 分配不同角色，比如生成 Agent、审核 Agent，互相校验输出 |
| 函数调用模式 | 计算、接口请求、数据操作 | 模型输出结构化参数，脚手架调用外部 API，返回结果给模型 |
三、搭建 Agent 脚手架的标准步骤
- 先定义任务边界和终止条件，明确什么时候 Agent 停止循环，避免无限执行
- 注册工具，给工具写清晰描述、入参格式、权限范围，做好沙箱隔离
- 接入记忆组件，区分短期上下文记忆和长期持久记忆，控制上下文长度
- 绑定选定的设计模式，写循环调度逻辑，处理工具返回失败、超时、参数错误
- 接入评估模块，记录每一轮 trace，统计成功率、错误类型、耗时
- 测试迭代，对比不同模式在同一个任务上的表现，替换不合适的模式
四、设计模式和脚手架选型判断要点
- 任务简单、步骤固定：优先用基础 ReAct 脚手架，搭配函数调用模式，开发最快
- 任务很长、容易上下文溢出：优先编排者 - 工作者脚手架，拆分独立子任务
- 依赖外部资料、事实容易出错：检索增强脚手架，由 Agent 自主控制检索时机
- 需要输出结果校验、降低幻觉：多角色分工脚手架，增加审核 Agent
- 选型原则：脚手架负责稳定运行，设计模式负责业务逻辑，不要把业务逻辑写死在脚手架底层
五、常见踩坑点
- 混淆固定流水线和 Agent：流水线是代码写死步骤，Agent 是模型自主决定下一步动作，脚手架要支持动态分支
- 记忆不加压缩：多轮循环后上下文膨胀，导致模型失效、成本飙升，脚手架必须自带压缩策略
- 缺少终止条件：没有明确停止规则，Agent 反复调用工具，浪费资源
- 模式堆砌：一个 Agent 里塞太多模式，调试难度急剧上升，优先单一主模式，少量辅助能力
【相关 FAQ】
问题 1：Agent 设计模式和脚手架之间有什么区别？
回答 1：Agent 脚手架是底层控制框架，负责管理模型、工具、循环、记忆；Agent 设计模式是搭建业务流程的模板，脚手架承载设计模式，同一个脚手架可以切换多种 Agent 设计模式。
问题 2：开发 Agent 的时候，必须自己从零写 Agent 脚手架吗？
回答 2：不用从零开发，课程里会介绍 DSPy、LangGraph 这类现成脚手架框架，开发者只需要根据任务挑选合适的 Agent 设计模式，在框架上配置组件即可。
问题 3：编排者 - 工作者这种 Agent 设计模式，适合哪些业务场景？
回答 3：编排者 - 工作者 Agent 设计模式适合长周期复杂任务，比如代码工程、多文件分析、复杂调研，借助脚手架隔离各个子 Agent 的上下文，避免信息混杂。
问题 4：ReAct 模式在 Agent 脚手架里面是怎么跑起来的？
回答 4：脚手架负责驱动 ReAct 循环，每次把历史思考、工具返回的观察送入大模型，模型输出下一步行动，脚手架解析行动指令、调用工具，直到满足脚手架里预设的终止条件。
【参考资料】
[2026-08-24]（Stanford CS329Z: The AI Agent Engineering Roadmap）frankx.ai
[2026-05-27]（Agent Design Patterns and Architectures for AI Agents）AgentPatterns.ai
[2025-08-12]（Agent Scaffolding: Architecture and Design Patterns for Agentic AI）ZBrain
[未知时间]（CS 329Z: Engineering AI Agents）Stanford University
【免责声明】
本文内容基于斯坦福 CS329Z 课程公开资料整理，仅作为学习参考，不构成工程落地直接方案；Agent 设计模式、脚手架选型受业务场景、模型能力、安全策略影响，线上部署前请自行充分测试与安全校验。