Agent 架构的核心不是提示词技巧,而是状态、控制流和评估器的设计。围绕 Reflection、Tool Use、ReAct、Planning、PEV、多 Agent、记忆、搜索、模拟和安全闸门等 17 种模式,系统拆解它们解决的问题、拓扑结构、适用场景和工程代价。
AI Agent、传统编程和 Workflow 的核心差异不在于是否使用 AI,而在于谁负责决策。传统编程和 Workflow 依赖人提前设计流程,Agent 则让大模型根据目标、上下文和工具结果动态选择下一步动作。
电商客服场景里,AI 客服要同时处理商品咨询、售后政策、订单物流和历史问答。围绕从 0 到 1 的落地过程,讲清 Workflow 与 Agent 的取舍、Dify 与工程化代码的边界、RAG 知识工程、上下文组装和评测反馈闭环。