LLM Agent 工程

12 种 Agent 模式 ​

模式选择规则 (确定性) ​

1. 延迟 < 1s → 优先 ①② + 缓存，禁用 ⑤⑪⑫
2. 步骤固定 → ④ Workflow 或 ⑨ Prompt Chaining
3. 步骤动态 → ⑤ ReAct 或 ⑪ Orchestrator-Worker
4. 输出需要质量迭代 → ⑫ Evaluator-Optimizer
5. 多领域意图歧义 → ⑥ Router-Expert + ⑧ Handoff
6. 可并行子任务 → ⑩ Parallelizing
7. 仅当单 Agent 无法满足 → 多 Agent (⑥⑧⑪)
8. 需要外部知识 → Agentic RAG (⑤ + 检索工具)

5 份实现合同 ​

Phase C 产出的可交付文档：

Pillar II — 数据模拟生成 ​

Agent 自主调 LLM API 按维度批量生成评估数据。

维度分配 ​

质量验证 ​

生成后使用强模型质量检查：

Pillar III — 收敛迭代 ​

多版本 Prompt/架构并行测试 + LLM-as-Judge 跨版本比较。

收敛流程 ​

候选版本 (V1, V2, V3, ...)
     │
     ▼
每个版本跑全量 eval 数据集 → 输出评分
     │
     ▼
LLM-as-Judge 跨版本比较
     │
     ├── 明确胜出     → 选择最优 → 更新 baseline
     ├── 差异不显著   → 选择成本/延迟更优的
     └── 全部不达标   → 诊断 → 生成新候选 → 下一轮
     │
     ▼
收敛判定 → 最优版本 + 分析报告

收敛判定标准 ​

• 赢阈值: 版本得分差 ≥ 5%，统计显著
• 迭代上限: 通常 3-5 轮
• 停止条件: 连续两轮改进 < 2% 时停止
• 锁定: 选定版本冻结为 baseline

输出规范 ​

Phase B-C 产出文档必须包含 6 段：

1. 战略锚定 — 关键决策点明确
2. 推荐模式栈 — 组合拓扑 + 理由
3. 关键合同 — 可实施的接口规格
4. 评估计划 — 离线测试 + 在线 KPI + 回归门禁
5. 数据策略 — 合成数据维度与质量要求
6. 收敛方案 — 迭代策略与择优逻辑

参考文档 ​

技能内置丰富的模式参考和场景蓝图（Agent 按需加载）：