下面是对Langchian关于How to Build an Agent文章的翻译,原文可查看
https://blog.langchain.com/how-to-build-an-agent/?utm_medium=social&utm_source=twitter&utm_campaign=q3-2025_how-to-build-agent_co
今年几乎每家公司都在谈论构建 Agent,但真正付诸实践的却少之又少。放任想象,畅想 Agent 如何改变业务固然轻松,但许多团队却不确定从何入手、如何推进,以及该设定怎样的预期。
本指南将介绍一个从想法到落地的框架,并以构建一个现实世界的邮件 Agent 为例进行说明。
构建 Agent 的分步流程图
第一步:用示例明确 Agent 的目标任务
选择切实可行且需要 Agent 来完成的任务。
挑选一个你能教会聪明实习生的任务。如果给足时间和资源,你最优秀的实习生也永远无法完成某项任务,那这项任务可能就不切实际或过于宏大。在进入专家模式前,先证明你已经掌握了基础。
首先,提出 5-10 个该任务的具体示例。这有两个目的:
- 首先,验证你的想法范围明确——既不琐碎也不含糊不清。
- 其次,为你日后衡量性能提供基准。
示例:构建邮件 Agent
在此步骤,我们将定义 Agent 需要处理的任务,这些任务可能包括:
- 优先处理重要干系人的紧急邮件。
- 根据日历空闲情况安排会议。
- 过滤垃圾邮件或无需回复的邮件。
- 根据公司文档回答产品相关问题。
需要避免的误区:
- 如果无法提出具体示例,说明你的范围可能过于宽泛。
- 在传统软件更适用时使用 Agent(例如,逻辑简单、固定且已在其他地方实现)。Agent 通常速度慢、成本高,有时还不太稳定。如果传统软件就能完成任务,直接用传统软件就好!
- 期望不存在的“魔法”(例如,连接尚不存在或无法构建的 API或数据集)。
第二步:设计操作流程
编写详细的标准操作规程(SOP),分步说明人类如何执行该任务或流程。
此步骤有助于确认你选择的问题范围清晰合理。它还能揭示意图将由 Agent 处理的关键步骤、决策和工具,为后续构建工作奠定基础。
示例:构建邮件 Agent
对于我们的邮件 Agent 来说,一个分步流程可能如下所示:
- 分析邮件内容和发件人背景,对回复优先级进行分类。
- 检查日历空闲情况;安排视频会议。
- 根据邮件、发件人和日程背景起草回复。
- 经过快速人工审核和批准后发送邮件。
写下这些步骤有助于确保任务范围设定得当,并揭示 Agent 需要处理的工具和逻辑。
第三步:构建基于 Prompt 的 MVP(最小可行产品)
选择一个切入口很重要。如果你的 Agent 很复杂,试图一次性完成所有工作会过于雄心勃勃。首先根据 SOP 概述 Agent 的架构:流程如何运转、需要做出哪些决策,以及哪些地方需要依赖LLM(大型语言模型)的推理能力。
然后,重点关注最关键的一项或几项 LLM 推理任务(例如,分类、决策),并创建一个能很好处理这些任务的 Prompt,以此构建 MVP。许多 Agents 失败是因为 LLM 的推理能力不足以胜任任务。先用手动输入数据让单个 Prompt 跑起来,这能帮助你在构建完整 Agent 之前建立信心。像 LangSmith 这样的 Prompt 工程工具可以帮助简化这个流程,包括管理 Prompt 版本、跨场景或数据集进行测试,以及随着迭代跟踪性能。