作者｜沙丘智库研究团队
来源｜沙丘社区（www.shaqiu.cn）
AI Agent是一种具有自主性或半自主性的智能实体，能够利用人工智能技术在数字或物理环境中感知、决策、采取行动并实现目标。与Copilot、聊天机器人等相比，AI Agent能够自主规划和行动，实现用户预设的目标。
伴随着人工智能技术的迭代，AI Agent也经历了多个发展阶段。从2024年开始，基于大模型（主要是指“大语言模型LLM”）的AI Agent正在成为企业落地AI应用/解决方案时的必备功能。
构建基于大模型的AI Agent系统需要采用模块化和可组合的软件架构方法，各个能力通常拆解为独立的功能模块（例如记忆、感知、执行、LLM接口等），各模块之间通过标准化接口通信，形成松耦合的分布式系统（类似微服务架构），这种架构的优点是简单、灵活且易于扩展，可以根据具体需求添加或修改模块。
基于大模型的AI Agent代表了未来的AI应用落地趋势，虽然具有巨大潜力，但也给企业开发人员带来了一系列新的挑战。为了帮助企业更好地理解Agent可以支持的能力，并识别交付这些能力的机会和复杂性，沙丘智库发布《AI Agent架构设计模式研究报告》，将当前最常见、最成熟且最重要的基于大模型的AI Agent的架构设计模式分为7大类、具体26种，通过合理使用这些模式，企业可以构建出高效、可靠且安全的AI Agent系统。
· 架构模式：架构模式用于指导基于大模型的AI Agent的整体结构，是构建AI Agent的基础，决定了Agent如何在系统中交互、通信以及履行其指定的角色。在选择架构模式时，企业需要考虑Agent的功能范围、用于开发Agent的框架或平台。所选的架构模式将影响Agent的响应速度、可维护性、适应性以及评估和保证Agent质量的方法。架构模式包括单Agent、Agent角色、多Agent、 Agent交接 。
· 工作流模式：工作流模式用于定义Agent完成任务的工作流，这些工作流可以是线性的、循环的或动态的。采用动态工作流的AI Agent解决方案的自主性更强，但对于明确需求，使用预定义工作流（静态）是更加简单的方法，可以简化设计、评估和安全实施。工作流模式包括预定义计划、多跳问答、动态计划生成、编排Agent、协作Agent、人机协同。
· 大模型交互模式：大模型交互模式是指如何利用大模型的能力完成信息收集、动态规划、状态监控等一系列任务，包括如何构造prompt从大模型获取最佳响应，以及如何调用LLM API来执行特定任务。大模型交互模式包括：ReAct、思维链（CoT）、反思、结构化响应、重试限制。
· 行动模式：行动模式是指Agent根据其对输入的解释、对系统环境的感知，做出决策来采取行动的模式。例如，Agent可能需要调用特定的函数来执行任务，选择使用特定的工具，或者与外部环境（如数据库或API）集成以获取或发送信息。行动模式包括：函数调用（Function Call）、工具使用（tool use）。
· 记忆模式：记忆是指用于获取、检索、保留和后续检索信息的过程，记忆模式是指定义和管理记忆的模式，对Agent性能至关重要，支持短期记忆（任务内）、公共记忆（跨每个用户的任务）和全局记忆（跨所有Agent使用）。与决策、行动和活动相关的记忆可以用来帮助Agent提高学习和适应能力，同时也确保了信息访问的隐私和控制。记忆模式包括：RAG、记忆持久性、记忆共享范围。
· 评估模式：评估模式可用于实施持续的评估、验证和改进，从而提高Agent的性能和可靠性。评估模式包括：用户参与反馈、将大模型作为裁判、确定性评估、交互日志。
· 安全和身份管理模式：安全和身份模式侧重于保护Agent系统的安全性和身份管理，有助于保护Agent系统免受安全威胁，并确保其操作符合安全和合规要求。安全和身份管理模式包括：大模型防护栏、身份传播。
每种模式的介绍、适用场景、优劣势分析等详见完整报告：沙丘智库《AI Agent架构设计模式研究报告》（58页PPT）
* 以上内容节选自沙丘智库《AI Agent架构设计模式研究报告》
报告目录
1.基于大模型的AI Agent定义
2.基于大模型的AI Agent架构设计
3.基于大模型的AI Agent工作流
4.基于大模型的AI Agent典型特征
5.基于大模型的AI Agent实现方式
5.1 架构模式
5.1.1 架构模式：单Agent
5.1.2 架构模式：Agent角色
5.1.3 架构模式：多Agent
5.1.4 架构模式：Agent交接
5.2 工作流模式
5.2.1 工作流模式：预定义计划
5.2.2 工作流模式：多跳问答
5.2.3 工作流模式：动态计划生成
5.2.4 工作流模式：编排Agent
5.2.5 工作流模式：协作Agent
5.2.6 工作流模式：人机协同
5.3 大模型交互模式
5.3.1 大模型交互模式：ReAct
5.3.2 大模型交互模式：思维链（CoT）
5.3.3 大模型交互模式：反思
5.3.4 大模型交互模式：结构化响应
5.3.5 大模型交互模式：重试限制
5.4 行动模式
5.4.1 行动模式：函数调用（Function Call）
5.4.2 行动模式：工具使用（tool use）
5.5 记忆模式
5.5.1 记忆模式：RAG
5.5.2 记忆模式：记忆持久性
5.5.3 记忆模式：记忆共享范围
5.6 评估模式
5.6.1 评估模式：用户参与反馈
5.6.2 评估模式：将大模型作为裁判
5.6.3 评估模式：确定性评估
5.6.4 评估模式：交互日志
5.7 安全和身份管理模式
5.7.1 安全和身份管理模式：大模型防护栏
5.7.2 安全和身份管理模式：身份传播
6.给企业用户的建议
▎更多研究（可前往“沙丘智库”查阅）
2025年中国银行业大模型应用跟踪报告
2025年中国消费品零售业大模型应用跟踪报告
国资央企DeepSeek大模型应用跟踪报告
银行业DeepSeek大模型应用跟踪报告
2025年中国保险业大模型应用跟踪报告
2024年AI Agent最佳实践报告
2024年“大模型+数据分析”最佳实践报告
...
*更多生成式AI研究可前往“沙丘智库”小程序查阅
*有任何需求可咨询客服微信：zimu738
