5 种智能体设计模式

5 Agentic AI Design Patterns

智能体式（Agentic）的行为模式，让大语言模型（LLM）能够通过自我评估、规划和协作来不断打磨自己的输出！下面这张图展示了构建 AI 智能体（Agent）时最常用的 5 种设计模式。

1）反思模式（Reflection pattern）

AI 会审查自己的成果，找出其中的错误，并不断迭代，直到生成最终的回答。

2）工具使用模式（Tool use pattern）

工具能让 LLM 通过以下方式获取更多信息：

• 查询向量数据库

• 执行 Python 脚本

• 调用 API，等等

这很有帮助，因为这样一来，LLM 就不必完全依赖自身内部的知识。

3）ReAct（推理与行动）模式

ReAct 结合了上述两种模式：

• 智能体会对已生成的输出进行反思。
• 它会借助工具与外部世界进行交互。

ReAct 智能体的运作方式，是不断循环「思考（Thought）→ 行动（Action）→ 观察（Observation）」这一过程，直到得出解决方案或最终答案。这与人类解决问题的方式颇为相似：

注：像 CrewAI 这样的框架默认主要就是使用这种模式。

为了理解这一点，来看看下面这个多智能体系统的输出：

如上图所示，智能体在生成回答之前，会经历一系列的思考活动。

这正是 ReAct 模式的实际运作过程！

更具体地说，在底层，许多此类框架都采用了 ReAct（推理与行动）模式，让 LLM 能够对问题进行思考，并借助工具来对外部世界采取行动。

举例来说，CrewAI 中的一个智能体通常会遵循 ReAct 范式，在「对任务进行推理」和「采取行动（使用工具）以收集信息或执行步骤」之间来回交替。

通过把思维链（chain-of-thought）推理与外部工具的使用结合起来，这种方式增强了 LLM 智能体处理复杂任务和决策的能力。

4）规划模式（Planning pattern）

AI 不会一口气解决整个任务，而是先制定一份路线图：

• 将任务拆分成更小的子任务
• 梳理并列出目标

这种策略性的思考方式，能更有效地解决任务。

注：在 CrewAI 中，指定 planning=True 即可启用 Planning（规划）功能。

5）多智能体模式（Multi-Agent pattern）

• 系统中存在多个智能体，每个都有各自明确的角色和任务。
• 每个智能体也都可以访问工具。

所有智能体协同工作，共同交付最终结果，并在需要时把任务委派给其他智能体。