Agent 模式框架：从个人助手、流程嵌入，到企业智能

• 原文链接：https://mp.weixin.qq.com/s/fegZl9TxIGFEmHCMnx2sTg
• 作者：Knock（微信公众号「ThinkingAgent」主理人；同作者 7/02 已发《5 级成熟度模型》）
• 来源：微信公众号「ThinkingAgent」2026-07-16 08:27 推送　获取时间：2026-07-17 10:20 Asia/Shanghai
• 原文长度：约 8300 字
• 核心参考：吴恩达《Agentic Design Patterns》+ Anthropic《Building Effective Agents》+ Google Cloud《Agentic AI 指南》+ LangChain《Multi-agent》+ Microsoft《AutoGen》

核心结论（一句话）

Agent 的本质不是聊天，而是行动；把智能稳定、可控、可评估地嵌入企业运行——吴恩达 4 模式（Reflection / Tool Use / Planning / Multi-Agent）+ Anthropic Workflow vs Agent 区分 + 三层路径（个人助手 → 流程嵌入 → 企业智能）。

知识节点（8 个独立概念）

• 4 类型分级：Chatbot 回答问题（被动响应）→ Copilot 辅助人（人主导 AI 辅助）→ Agent 完成任务（目标驱动）→ Multi-Agent 团队协作。判断标准：能否接入真实系统完成真实任务。
• Reflection 自我修改：生成初稿 → 检查问题 → 提出修改建议 → 重新修改 → 再次检查。局限：模型不知标准时”自我感觉良好”——不能单独使用，必须结合测试/工具/规则/人工审核/评估体系。
• Tool Use 工具使用：大模型是”大脑”，工具是”手”（搜索引擎/数据库/代码执行器/API/企业系统/RAG/MCP Server）。风险：查错数据/改错配置/调错接口/删除文件/执行高风险操作。必建治理：权限管理 + 工具白名单 + 调用日志 + 审计留痕 + 沙箱 + 人工确认 + 回滚 + 风险分级。
• Planning 先想后做：目标 → 任务拆解 → 步骤计划 → 逐步执行 → 检查进度 → 调整计划。适合：软件开发、复杂调研、数据分析、项目管理。风险：规划步骤可能出错/遗漏/过于死板。
• Multi-Agent 团队协作：研究员 + 分析师 + 写作者 + 评审员分工。优势：质量更高 + 可并行 + 互相审核。风险：通信成本高 + 循环调用 + 协调机制 + 成本高。
• Workflow vs Agent 区分（Anthropic 视角）：Workflow 由预定义代码路径编排 LLM（开发者决定流程），Agent 由 LLM 动态决定流程和工具（LLM 自主决定下一步）。Anthropic 5 种 Workflow 模式：Prompt Chaining / Routing / Parallelization / Orchestrator-Workers / Evaluator-Optimizer。
• 三层落地路径：第一层个人助手（帮写邮件/帮做总结/帮查资料/帮写代码）→ 第二层流程嵌入（自动处理客户请求/审核合同/处理工单/生成报告）→ 第三层企业智能（多 Agent 协同覆盖核心业务）。常见错误：一上来就做”企业智能”，结果连”个人助手”都没做好。
• 5 大误区：① 一步到位做”企业智能” ② 过度追求完全自主（应从半自主：AI 建议 → 人类确认 → AI 执行 → 人类抽查 开始）③ 为多 Agent 而多 Agent（简单任务用 5 个 Agent 只增成本）④ 没有评估就上线（7 项指标：任务完成率/工具调用准确率/正确率/成本/延迟/用户反馈/业务结果）⑤ 忽视权限和审计。

关联图谱

上游（基于 / 来自）

• 吴恩达《Agentic Design Patterns》（4 模式）
• Anthropic《Building Effective Agents》（Workflow vs Agent + 5 Workflow）
• Google Cloud《Agentic AI 指南》（2026 年）+ LangChain《Multi-agent》+ Microsoft《AutoGen》

下游（应用于 / 验证于）

• Anthropic Claude Code 团队的 Agent 工程实践
• LangChain / Microsoft AutoGen 等开源框架
• 企业三层落地路径（个人助手 → 流程嵌入 → 企业智能）

同级（横向 / 并列）

• [[ThinkingAgent-Knock-AI-Native组织5级成熟度模型]]（同作者 Knock 2 周内连发——5 级是组织维度，本文 5 误区是 Agent 实施维度，两文结合 = “AI Native 完整工程化框架”）
• [[Leeka-Task-Decomposition-Agentic-Workflow]]（Planning 节点具体化）
• [[0xCodez-Agent-Harness-14-Steps]]（Tool Use 具体落地骨架）
• [[阿里妹-端到端业务需求专家Agent-4层架构8步流程]]（单 Agent 端到端 4 层 8 步印证”单 Agent 优先”）
• [[未来属于垂直领域Agent]]（Domain-Specific 拆解印证 Workflow vs Agent 区分）
• [[Capihom-AI-Native企业-Agent团队和AI-Factory重写公司体系]]（Groupon 实证：truth layer + eval 印证 5 误区第 4 条）

正文要点（6 条核心论证 + Seetong 借鉴动作）

1. Agent vs Chatbot 本质区别 → 盘点 Seetong AI 助手所有 Skill，按 4 类重新分类——纯问答类（设备 FAQ）保留 Chatbot，辅助类（日志解读）归 Copilot，目标驱动类（自动 Bug 归类）必须 Agent 化。
2. Reflection 不能单独使用 → Seetong AI 助手写代码 Skill 必配”Reviewer 子 Skill”循环 2-3 轮（对应 [[Loop-Engineering-验证才是瓶颈]] 验证闸门）。
3. Tool Use 必建治理 → Seetong AI 助手 Tool Use 治理 8 项——权限管理/工具白名单/调用日志/审计留痕/沙箱/人工确认/回滚/风险分级。
4. Planning 适合多步骤任务 → Seetong AI 助手”Bug 自动修复”Skill 必走 Planning——目标（修 Bug）→ 拆解（读代码/找根因/写补丁/加测试/验证）→ 执行 → 检查 → 调整。
5. 从单 Agent 开始，能单 Agent 解决就不要多 Agent → Seetong 1-2 个”5 步能解决”复杂任务（订单异常分析/配网失败诊断）做成单 Agent + Workflow；验证后再考虑 Multi-Agent。
6. 三层落地路径 → Seetong 当前在第 1 层（个人助手阶段——欧阳荣+黄松佳+谭伟+张威 4 人各用 AI 提效），6-12 个月推到第 2 层（流程嵌入：自动反馈分类/Bug 优先级/报警阈值调整），第 3 层（企业智能）暂不急。

备注与限制

• 作者背景：Knock 是微信公众号「ThinkingAgent」主理人，与 7/02 5 级成熟度模型同作者。同作者 2 周内连发两篇形成”AI Native 完整工程化框架”——5 级是组织维度，本文 5 误区是 Agent 实施维度。
• 本文是一手方法论：综合吴恩达/Anthropic/Google Cloud/LangChain/Microsoft 5 大权威源头的”企业 Agent 落地全景图”。
• 原文第七节被截短：”Seetong 团队实践”段被截短，核心方法论前六节已完整。
• Seetong 借鉴优先级：Tool Use 最优先 → Reflection 第二（Skill 模板加 Reviewer）→ Planning 第三（复杂任务拆解）→ Multi-Agent 最后（避免过度工程化）。
• 关键区分：Seetong 现有 90% Skill 应是 Workflow（人定义流程 AI 执行节点）不是 Agent（AI 自主决定流程），避免”什么都是 Agent”的工程化陷阱。