AI Agent理论学习与生产级设计框架收集（二）

doll ～CJ

80人浏览 · 2026-03-31 13:53:46

doll ～CJ · 2026-03-31 13:53:46 发布

一、Prompt Engineering & Context Engineering

提示词工程(Prompt Engineering)，指通过精心设计、优化和精炼输入给大语言模型（LLM）的文本，以引导模型生成更准确、更符合预期结果的技术。一个专业级别的提示词通常包含角色（Role，赋予模型特定的身份）、任务（Task，明确需要完成的具体工作）、背景（Context，提供任务相关的约束或前提）、约束（Constraint，规定不能做的事情或必须遵守的格式）、示例（Few-shot，提供“输入-输出”对照案例）以及输出要求（Output，规定回复的语言、长度和结构）。

上下文工程(Context Engineering)，指通过对输入给大模型（LLM）的信息进行采集、筛选、压缩、组织和更新，确保 Agent 在处理复杂任务时，能够拥有准确的背景知识、历史记忆和实时环境状态。上下文工程的三个核心维度分别为历史记忆管理（Memory Management）、外部知识注入（External Knowledge Integration）、状态与环境感知（Environment State），其中外部知识注入通常由检索增强生成（RAG）、模型上下文协议服务器（MCP）连接的外部工具和数据源、本地工具（Tools）实现。

与传统的提示词设计不同，上下文工程关注的是系统层面的信息流，解决的是“大语言模型当前需要什么信息”而非仅仅是“如何提问”。

二、Tools & Skills

工具(Tools)，通常是原子性的原语（Atomic Primitives），如一个网页搜索API或文件写入函数，具有固定的输入输出接口，没有内部决策能力。

技能（Skills），是包装好的专业知识，它像是一本“培训手册”，告诉模型如何以特定的、可重复的方式执行任务。Skills可调用多个工具，但它额外包含了适用条件逻辑、多步执行策略、终止标准以及可重用的接口。从认知科学的角度看，Skills充当了智能体的“程序性记忆”（Procedural Memory）。正如人类专家通过自动化行动模式（Chunking）来减轻工作记忆负担，具备技能的智能体不需要在每次任务中都从第一性原理出发进行推理，而是直接调用经过验证的“技能文件夹”。

三、AI Agent相关概念简要总结

维度	Skills (技能)	Prompts (提示词)	Projects (项目)	Subagents (子智能体)	MCP (模型上下文协议)
本质	模块化的程序性知识	即时的对话指令	持续的背景知识库	独立的任务执行单元	通用的工具连接层
持久性	跨对话持久存在	仅限单次对话	仅在特定项目内持久	跨会话存在	持续的系统连接
包含内容	指令 + 脚本 + 资源	自然语言文本	文档 + 长期上下文	完整的 Agent 逻辑	工具与数据定义
加载方式	按需动态加载	每轮对话手动输入	项目启动时始终加载	任务触发时调用	始终可用
核心作用	赋予智能体 “怎么做” 的能力	给予智能体“做什么” 的命令	提供智能体 “知道什么” 的背景	实现任务的自动化委派	解决 “数据在哪” 的连接

AI Agent开源框架（部分收集）

框架名称	核心定位与优势	典型应用场景
1. LangChain / LangGraph	良好生态。提供极致的模块化组件，LangGraph 解决了复杂任务中的循环与状态管理。	企业级定制 Agent、复杂逻辑推理。
2. AutoGPT	自主性先驱。设定目标后，Agent 自行规划、执行、反思，无需人工干预。	自动化市场调研、简单的端到端任务。
3. Microsoft AutoGen	多智能体对话。支持不同角色（如 Coders, Reviewers）通过对话协同工作，支持人在回路。	复杂代码生成、科研协作、动态任务。
4. MetaGPT	软件工程 SOP。将现实中的软件开发流程（需求、设计、代码）固化为智能体协作规范。	快速生成小型软件项目、技术方案。
5. CrewAI	角色驱动编排。强调“角色扮演”，代码逻辑类似给员工下达任务书，清晰易读。	内容创作团队、市场分析、多专家决策。
6. Dify	全栈 LLM 应用平台。集成 RAG 引擎、提示词管理及可视化编排，中文生态及私有化支持极佳。	智能客服、企业内部知识库问答。
7. Flowise	可视化拖拽工具。底层基于 LangChain，通过连接节点（如 PDF 加载器、模型、工具）快速建模。	业务人员快速搭建 Agent 原型、工作流。
8. ChatDev	虚拟软件公司。以游戏化的方式可视化展示 CEO、CTO 等角色协作开发软件的过程。	编程学习、小型软件全流程模拟。
9. SuperAGI	企业级 Agent 基础设施。提供图形界面、Agent 市场和并发管理，解决生产环境运行难点。	自主信息搜集、自动化测试、竞品分析。
10. Semantic Kernel	微软企业级集成。侧重于将 AI 能力无缝嵌入现有 C#、Python 或 Java 的企业应用中。	存量企业应用的 AI 改造、技能插件管理。