智能体的5种设计模式___5个应用层次_图解式指南
一、设计模式 vs. 应用层次
- 设计模式：教智能体"怎么做事"的方法学（如先审稿再改、先分解再执行、边想边做等）。原文将常见的 5 种模式归纳为：反思、工具使用、ReAct、规划、多智能体。
- 应用层次：衡量"能做到哪一步"的能力阶梯——从只会回答，到能路由、会用工具，再到多智能体协作，最终达到高度自治。
打个比方：设计模式像办事方法（写作先列提纲/多轮修改/查资料），应用层次像技能等级（新手→熟练→专家→团队协作→独当一面）。
二、5 种设计模式
1. 反思模式（Reflection）
图 1：反思模式——User Query → LLM 生成初稿（Initial output）→ LLM 自我审查（Reflect）→ 迭代（Iterate）→ 修订后输出（Reflected output）→ Response
是什么：模型像写作自检一样，先出草稿，再自我审查与修订，直到合格为止。类比：学生写作文"反复改错、润色"。适用：报告/长文、代码草稿、对准确性有要求的内容。上手要点：设定迭代上限和终止条件，最好配合规则或测试用例做外部校验。
2. 工具使用模式（Tool Use）
图 2：工具使用模式——模型调用外部工具（查向量库、跑 Python、调 API）补充实时信息后再回答
是什么：让模型会"上网和用工具"——查向量库、跑 Python、调用 API 等，不再只靠肚子里的旧知识。类比：写论文时会搜资料、算数据、调脚本。适用：RAG 检索增强、数据分析、自动化日常操作。上手要点：把好数据质量、权限与审计、错误重试这三道关。
3. ReAct（Reason + Act）
图 3：ReAct 模式——思考（Reason）→ 行动（Action）调用工具 → 环境返回结果（Result）→ 观察后继续推理，循环直到拿到答案
是什么：在"思考→行动→观察"的小循环里前进，既会反思也会用工具，直到拿到答案。类比：侦探破案：先推理，再行动取证，再根据线索继续推理。适用：开放式求解、复杂检索与验证。上手要点：把中间过程记录清楚，避免"无穷循环"；不少框架默认用 ReAct。
4. 规划模式（Planning）
图 4：规划模式——先拆解任务、定目标、排路线图，再按步骤逐步执行
是什么：先拆任务、定目标，再按路线图一步步执行，比"硬上"更高效。类比：项目管理先排里程碑、再推进。上手要点：允许动态调整计划与失败回退；例如在 CrewAI 中可通过 planning=True 启用。
5. 多智能体模式（Multi-Agent）
图 5：多智能体模式——PM 智能体（经理）统筹，向 Tech lead / SDE / DevOps 等子智能体委派任务（Delegation），各司其职后汇总
是什么：像一个小团队——各司其职、可各自用工具，必要时还能互相委派；由"经理智能体"统筹。类比：调研同学搜集资料、分析同学评估风险、写作同学出稿、组长统筹合稿。上手要点：明确角色边界与共享记忆，避免沟通成本爆炸。
三、5 个应用层次
1. 基础响应器（Basic responder）
图 6：层次 1——基础响应器：人主导流程，模型只按输入给一次性输出，几乎不控流程
人主导流程，模型只按输入给一次性输出，几乎不控流程。
2. 路由（Router）
图 7：层次 2——路由：人预设可走的路径或函数，模型只做"走哪条路"的基础决策
人预设可走的路径或函数；模型只做"走哪条路"的基础决策。
3. 工具调用（Tool calling）
图 8：层次 3——工具调用：人定义可用工具集合，模型决定何时用、怎么用（含参数）
人定义可用工具集合，模型决定何时用、怎么用（含参数）。
4. 多智能体（Multi-agent）
图 9：层次 4——多智能体：经理智能体协调多子智能体，按层级与角色协作推进
经理智能体协调多子智能体，按层级与角色协作推进。
5. 自主（Autonomous）
图 10：层次 5——自主：最高级，模型能独立生成并执行新代码，像"独立 AI 开发者"
最高级，模型能独立生成并执行新代码，像"独立 AI 开发者"。
四、必备"地基"：记忆与护栏
- 记忆（Memory）：让智能体不再"每次从零开始"。常见有：短期记忆（会话上下文）、长期记忆（持久偏好）、实体记忆（关键对象档案）。
- 护栏（Guardrails）：防走偏、防乱用工具、防无限循环；实操上常见做法：限制工具用量、设置验证关卡、准备回退/人工介入。
五、从 0 到 1：小白上手清单
- 起步就用"层次 1–3"：先把"基础响应→路由→工具调用"跑通（如接一个检索/查询工具）。
- 再叠"设计模式"：在工具调用之上加入反思（提高正确性）、ReAct（复杂任务求解）、规划（多步骤），最后考虑多智能体协作。
- 加上"护栏 + 记忆"：为关键步骤设校验点、成本/次数限额；把失败案例沉淀进知识与长记忆。
- 度量与回放：给每次运行留"黑盒记录"（中间态、调用日志），方便复盘和优化（特别是 ReAct/多智能体）。
六、三套"拿来就用"的入门配方
- Agentic RAG（检索增强 + 工具使用/多智能体）：一个"检索员"负责向量库/网页检索，一个"写作员"负责成文，经理整合输出。
- 航班搜索（多智能体 + 规划）：搜索代理用无头浏览器查 Kayak，摘要代理整理结果；流程里打开规划开关。
- 金融分析（工具调用 + 代码执行）：解析查询→写代码→沙箱执行→画图出结论，整套流程可由经理代理编排。
七、常见坑位与规避
- 循环跑飞：ReAct 容易"想太多做太多"，为循环次数、总时长、工具调用数设上限。
- 数据过旧或不实：在工具使用阶段强制校验来源时间与可信度；不通过就回退。
- 多智能体"人多嘴杂"：明确角色边界与交互接口，经理统一路由与合并结果。
八、结语
把"5 种设计模式"当工具箱，把"5 个应用层次"当升级路线。先用 1–3 层把"能办事"的基本盘打牢，再引入反思、ReAct 与规划，最后根据业务复杂度尝试多智能体与更高自治。这样既稳、又能持续进阶。
来源：https://www.dailydoseofds.com/p/hands-on-building-a-multi-agent-news-generator/ 。点击底部阅读原文可获取完整文档。