Agent/Skills/Teams 架构演进过程及技术选型之道

背景

近几年,我一直从事于Agent领域的探索、应用与实践,也陆续沉淀了许多相关的技术文章,相信不少朋友都读过我之前那篇《如何构建和调优高可用性的Agent?浅谈阿里云服务领域Agent构建的方法论》。在那篇文章中,我们从Agent的概念起源聊到落地挑战,再到具体的解决方案,进行了一次较为系统的梳理。后来随着上下文工程、Multi-Agent、Agent Skills等技术的不断发展,我又通过《如何让Agent更符合预期?基于上下文工程和多智能体构建云小二Aivis的十大实战经验》
等文章详细介绍了我们在多个Agent技术细节上的一些落地实践经验。

从生成式LLM爆发的变革到催生Agent的快速发展,AI发展的浪潮从未停歇。随着近半年来,Anthropic在Claude Code上前后实践和推出了Agent Skills、Agent Teams等新技术范式,Agent的构建逻辑与能力边界正在被重新定义。站在当前这个时间节点,当我们再次探讨“如何构建一个优秀的 Agent”以及“如何进行技术架构选型”时,原有的视角或许已不足以应对各种场景及的变化。

我认为,在深入讨论具体的技术选型之前,首要任务是理清Agent的演化路径。这条路径其实整体上是清晰且可循的:从最初的单点提示词调用、工作流编排,再到多智能体协同、自主规划,到后来Agent Skills的可复用能力、Agent Teams的并行探索。只有理解了这一演化脉络,我们才能在面对复杂场景时,做出更精准的技术选型。

因此,本文将会根据我本身的实践经验,以及结合下面的几篇文章,重新整理并分享关于Agent、Multi-Agent,包括Agent Skills、Agent Teams的架构演进与选型的思考:

  • 《Towards a Science of Scaling Agent Systems》 By Google Deepmind[1]

  • 《The Complete Guide to Building Skills for Claude》 By Anthropic[2]

  • 《Orchestrate Teams of Claude Code Sessions》 By Anthropic[3]

Agent架构的演化本质

为什么市面上会出现如此纷繁复杂的Agent架构?追根溯源,这并不是纯粹是为了炫技,而是对大模型底层能力缺失的一种补偿机制。本质上,Agent架构的演化史,就是因为我们在基础大模型无法完美内化“领域知识”和高效复用“长期记忆”的背景下,不断尝试“外挂”出这些能力的。本质上就是大家对大模型如何更好的注入领域知识和记忆管理这两方面的需求,不断促进了Agent架构的演化。

不妨畅享一下,假设某一天,我们已经实现了这样的效果:LLM基座模型天生就具备完美的领域知识注入和自主记忆的能力,只要我们将海量的行业文档、业务规则直接“喂”给模型,它就能瞬间记住并精准执行任务,那么今天我们所讨论的各种RAG、Multi-Agent、Workflow、Skills等架构模式可能都将失去存在的意义。因为大模型本身已经从根源上解决了“学什么”和“记什么”的问题。

然而,现实是骨感的。回想2023~2024年,在大模型发展的早期,业界普遍认为解决领域垂类知识注入问题的最优解是模型训练。这套从BERT时代就发展过来的“预训练-微调”范式一直走到了LLM时代,我们将基础模型作为底座,通过SFT、DPO等模型微调,再加上RLHF、GRPO等强化学习方式,试图将领域知识“刻录”进模型的参数中。在那个阶段,我们也基于Qwen早期版本作为基座模型进行了很多轮次的、深入的模型训练、微调实践。

但是,随着训练过程的深入,几个难以回避的痛点逐渐浮出水面:

  • 训练成本高昂且周期长:每一次针对垂直领域的训练,都需要投入巨大的人力物力去清洗数据、构造合成数据、设计评测集。这不仅需要昂贵的GPU算力资源,更伴随着漫长的训练时间周期。

  • 效果评测与泛化难题:训练完成后,如何科学地证明新模型相比基座模型有显著提升,同时又没有丧失通用的泛化能力,是一个巨大的挑战。很多时候,我们在提升特定任务表现的同时,却意外导致了模型在其他场景下的“灾难性遗忘”,这就导致模型在垂类某些特定任务上相对有效,但在其他任务上却很容易失去泛化效果。

  • 基座迭代速度远超训练周期:这是最致命的一点。开源或闭源的基座正以非线性的速度飞速迭代。往往当我们耗费数月心血、投入大量资源训练出一个专属领域模型时,新一代的基座模型已经发布,其原生能力可能已经轻松超越了我们辛苦训练的旧版本模型。这种“刚毕业就失业”的窘境,使得单纯依赖训练来构建领域模型变得极不划算。

除了成本与时效性问题,硬件门槛和模型生态的变化也加速了这一转变。随着Scaling Law的生效,顶尖模型的参数量日益庞大,传统的单机甚至小规模集群已难以承担训练任务。更重要的是,目前最强有力的模型多为闭源状态。即便我们使用开源的顶尖模型作为基础进行训练,其最终效果往往也难以匹敌闭源巨头的最新基座模型。在这种“投入产出比”严重失衡的背景下,继续死磕模型训练显然不再是明智之选。

这就说明,现阶段的LLM在特定领域的知识内化和长周期记忆管理上仍存在显著的挑战。既然“向内”修改模型参数的路走不通,或者性价比太低,我们自然开始转向“向外”寻求解决方案:如何在不改变模型权重的前提下,通过架构设计更高效地注入领域知识?

这正是Agent架构演化的逻辑起点,我们不得不在大模型外围构建层层叠叠的结构与工具,通过“工程化”的手段来辅助其完成知识的检索、上下文的组装以及记忆的维护。这也正是当前各类Agent架构百花齐放的最本质的原因。我们不再执着于让模型“记住”所有知识,而是转而设计一套机制,让模型能够“找到”并“理解”所需的知识。基于这一思路,Agent 架构的演化逐渐分化出了四条最主要的路径:“Single Agent → Multi-Agent  → Agent Skills → Agent Teams”。

Single Agent:知识注入与上下文窗口博弈

在探索 Agent 落地的过程中,我们最先尝试的往往是Single Agent架构(单智能体)。其核心逻辑非常直观:既然大模型无法直接内化我们特定的领域知识,那我们就通过System Prompt的方式,将这些知识“无脑”地注入到大模型的上下文中,期望它能基于这些注入的信息生成符合预期的答案。

这种做法最大的优势在于实现成本极低、开发效率极高。你只需要将领域知识整理好,配合清晰的指令写入系统级指令的System Prompt中,再使用基础模型原生的ReAct模式自主调用工具、记录上下文并解决问题。对于生成简单的代码段、写文案、执行某类标准化输出等场景,这种串行调用的单Agent模式往往能跑出最流畅的体验,是验证想法、ROI最高的原型方案。

然而,随着实践的深入,我们发现这种看似简单的架构隐藏着一个致命的瓶颈:Context Window会爆炸。

尽管当前主流大模型纷纷宣称支持百万甚至千万级的Token上下文长度,但在实际生产环境中,如果你真的将海量背景知识或长文档直接“扔”给模型,效果往往不尽如人意。这背后涉及到一个容易被忽视的技术真相:长上下文并不等于长记忆。当输入数据量达到一定阈值时,模型极易出现“Lost in the Middle”问题,也就是“注意力缺失”或者“关键信息遗忘”的现象,导致其无法精准定位到所需的领域知识,最终输出的结果偏离预期。

在这里,我们需要明确一下讨论的范畴。本文所指的Single Agent,主要指的是“狭义的”基于ReAct的自主Agent概念,使用System Prompt驱动、串行调用工具的原生Agent运行模式。至于那些结构复杂、包含多分支判断的Workflow,我们更倾向于将其视为一种高级的工具Tool或者Sub-Agent,而非单纯的Single Agent形态,因此就不在本章节重点展开了。

总结来说,单Agent优势和劣势非常明显:

  • 优势:最原生的架构、开发链路最短、运行效率极高,适合快速构建Demo或处理知识依赖较少的场景。

  • 劣势:极度依赖上下文窗口的质量与长度。一旦涉及大量领域知识的注入,极易引发上下文爆炸,导致模型注意力分散,稳定性大幅下降。

这也引出了我们后续需要思考的关键问题:当单点突破遇到上下文瓶颈时,我们该如何通过架构演进,在保持灵活性的同时解决知识承载的问题?

面对这一困境,行业普遍采用的解决方案是引入 RAG(检索增强生成)。

RAG 可以看作是在Single Agent基础上的一次重要演进。它的核心逻辑是“先搜后答”:在将知识注入大模型之前,先利用搜索工具进行一轮召回(Recall),仅将与用户问题相关度最高的那部分片段提取出来,作为上下文提供给 Agent。

这在一定程度上巧妙规避了 Context Window 的长度限制,让 Agent 能够“按需获取”知识,而非“全量吞咽”。然而,RAG架构的效果存在一个致命的依赖链——“垃圾进,垃圾出”(Garbage In, Garbage Out)。Agent 的最终表现高度依赖于前置搜索环节的准确率。如果检索阶段未能召回正确的知识片段,无论后端的大模型能力多强,都无法生成正确的答案。

这里存在一个显著的能力断层,就是RAG的前置检索过程,通常依赖于关键词匹配(比如BM25)或基于小参数量的Embedding模型(如BERT、BGE等)。尽管近年来出现了很多基于LLM的Embedding模型,但总体而言,这些专用检索模型的语义理解能力和推理深度,与大模型直接阅读并理解全文的能力相比,仍存在差距。这种“小模型前置辅助大模型”的模式,往往会导致关键信息的漏召或误召,成为制约Agent效果的瓶颈。

基于上述分析,我们可以清晰地界定单Agent的边界。它虽然并不适合所有场景,但在以下条件下,它依然是性价比最高、落地最快的选择:

1.场景复杂度较低:业务逻辑相对简单,不需要复杂的多步推理或长链条规划。

2.知识体量可控:领域知识总量适中,或者经过清洗后,核心指令和背景知识在2万个Token以内能表述清楚,可以直接通过System Prompt注入。

3.检索质量有保障:当必须使用RAG时,前提是你的知识库结构清晰,且现有的检索算法(关键词或向量)能够达到较高的召回准确率。

简而言之,如果你的需求是“小而美”,或者你的领域知识边界清晰、检索链路成熟,那么单Agent架构完全足以胜任,无需过度设计。但当面对海量非结构化数据、复杂推理需求或对检索准确率极其敏感的场景时,我们就需要跳出单点的思维,探索更复杂的架构演进了。

Multi-Agent:架构隔离与通信带宽的权衡

面对单Agent在海量知识注入和复杂场景处理上的局限,Multi-Agent架构(多智能体)应运而生。这不仅是Agent数量的堆叠,更是质量的飞跃。以我们阿里云客户服务领域云小二Aivis的实践为例,通过构建 Planner(规划者)、Reasoner(推理者)、Executor(执行者) 等角色协同的架构,我们将复杂的宏观问题拆解为微观的子任务,由不同的Agent各司其职。

Multi-Agent的模式其实有很多种,在Google的论文里,主要列为四种:独立的(Independent)、去中心化(Decentralized)、中心化的(Centralized)、混合模式(Hybrid)。

  • Independent:多个Agent并行处理子任务而不进行沟通,仅在最后汇总结果。

  • Decentralized:一种点对点网状结构,Agent之间直接沟通以共享信息并达成共识。

  • Centralized:一种“中心辐射”模型,由中央Orchestrator将任务分配给工作者并综合他们的输出。

  • Hybrid:结合层级监督和点对点协调,以平衡中央Orchestrator的控制与灵活执行。

前面两种是Agent可以看做只有Sub Agent,后面两种都存在一个中央Orchestrator作为主Agent,这些Agent的核心逻辑在于“路由分发”与“领域隔离”:

  • 主Agent(Orchestrator):扮演“大脑”角色,…

— 以上为试看内容(约 40%),开通会员后阅读全文 —