Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems

文章摘要

谷歌资深工程师Antonio Gulli发布近500页技术指南，详述21种代理设计模式，帮助构建自主AI系统。涵盖从提示链到多代理协作的实用框架，适用于企业环境。已成亚马逊概率统计类新书榜首。

文末阅读原文或下面链接加入知识星球获取500页PDF电子书中英文版及PPT，以及持续更新的最前沿的GenAI大模型、知识图谱和行业落地最佳实践、论文、文章、电子书等: 

PDF全文链接 -   https://t.zsxq.com/NEolm

正文

引言：AI代理时代的到来

在人工智能迅猛发展的今天，构建高效、自主的AI系统已成为行业焦点。谷歌首席技术官办公室高级总监兼杰出工程师Antonio Gulli近日宣布，其新书《Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems》将于2025年12月3日正式发布。这本500页的技术指南填补了AI开发方法论的空白，提供详细的架构蓝图，帮助从业者从强大语言模型转向鲁棒的现实应用。

Gulli强调，构建有效的代理系统不仅仅依赖于强大的语言模型，还需要结构化的架构设计。“这关乎从原始能力转向鲁棒的现实世界应用，”他在导论中写道。 作为拥有超过30年AI、搜索和云计算经验的专家，Gulli持有比萨大学计算机科学博士学位，此前已出版多版《Deep Learning for Keras》等技术著作。

本书的发布时机恰逢行业对AI代理开发的关注度飙升。谷歌云预测，到2040年，代理AI市场规模将达1万亿美元，企业采用率达90%。这反映出对自主AI系统的巨大需求，这些系统能以最小人类干预执行复杂工作流。 其他公司如Anthropic、OpenAI和麦肯锡也发布了相关资源，但Gulli的指南以其技术深度和实践焦点脱颖而出。

书籍核心内容：21种代理设计模式

本书呈现了21种独特的代理设计模式，这些模式作为构建自主AI系统的基本构建块。从基础概念如提示链（Prompt Chaining）和工具使用（Tool Use），到高级实现如多代理协作（Multi-Agent Collaboration）和自校正框架（Self-Correction）。每个模式都是针对构建智能、目标导向系统时常见挑战的可重用解决方案。

书籍结构采用实用方法论，每章聚焦一个代理模式，提供模式概述、使用案例、动手代码示例和关键要点。 根据目录，第一部分涵盖103页的核心执行模式，

包括：

• 提示链（Prompt Chaining）：通过序列化提示来处理复杂任务。

  

• 路由（Routing）：动态选择处理路径。

  

• 并行化（Parallelization）：同时执行多个子任务。

  

• 反射（Reflection）：代理自我评估输出。

• 工具使用（Tool Use）：集成外部工具如API。

• 规划（Planning）：分解任务为可管理步骤。

• 多代理系统（Multi-Agent）：多个代理协作完成目标。 

第二部分用61页探讨内存管理和学习能力，包括：

• 内存管理（Memory Management）：维护交互上下文。

• 学习与适应（Learning and Adaptation）：从经验中改进。

• 模型上下文协议（Model Context Protocol, MCP）：标准化上下文处理。

  

• 目标设定（Goal Setting）：定义和监控目标。 

第三和第四部分总计114页，覆盖高级主题如异常处理（Exception Handling）、人机协作（Human-in-the-Loop）、知识检索（Knowledge Retrieval）和安全实现（Safety）。

（书籍目录表格）

部分	章节	内容概述
第一部分	章节1-7	提示链、路由、并行化、反射、工具使用、规划、多代理（含代码示例）
第二部分	章节8-11	内存管理、学习与适应、MCP、目标设定与监控
第三部分	章节12-14	异常处理与恢复、人机协作、知识检索（RAG）
第四部分	章节15-21	代理间通信（A2A）、资源感知优化、推理技术、护栏/安全模式、评估与监控、优先级、探索与发现
附录	A-G	高级提示技术、代理框架概述、构建代理等

此表格基于原文目录，展示了书籍的全面结构。

书籍的技术规格详述了多种实现框架：LangChain及其扩展LangGraph用于构建复杂操作序列；CrewAI用于协调多个代理；Google Agent Developer Kit用于评估和部署。这确保了跨不同技术环境的广泛适用性。

实践导向的技术深度

本书强调实践实现而非理论讨论，提供可执行代码示例、架构图和逐步实现指令。这满足了企业环境中对可行动AI开发资源的需求。 例如，在多代理协作中，代理可以分工处理任务，如一个代理负责规划，另一个执行工具调用。

行业验证通过社交媒体显现，多位技术领袖赞扬其实际价值。本书在亚马逊上被评为“概率与统计类#1新书”。

Gulli的背景为其增添权威性：30年AI经验，博士学位，多本著作。 经济背景显示，代理AI市场潜力巨大，到2040年达1万亿美元。

传统单提示交互不足以处理多步任务，代理模式提供结构化方法，将复杂目标分解为组件，同时保持工作流连贯性。 模式组合是关键进步，例如自主研究助理可集成规划用于任务分解、工具使用用于信息收集、多代理协作用于专业分析、反射用于质量保证。

内存管理模式允许代理维护短期对话上下文和长期知识保留，这将真正代理系统与简单反应模型区分开来。

安全与对齐考虑

安全和对齐获得专用覆盖，通过“护栏/安全模式”（Guardrails/Safety Patterns）。这些框架处理自主操作挑战，同时保持与预期目标的对齐，包括输入验证、输出过滤、人机监督集成和优雅降级能力。

书籍总计424页，附录提供高级提示技术、框架概述和实现指南。综合术语表定义了所有技术术语。

分发遵循开放访问原则，谷歌通过标准渠道公开技术文档，促进行业广泛采用。

对营销和企业的意义

本书发布标志着代理AI从实验技术向实用框架的成熟。对于营销专业人士，这意味着超越当前程序化广告的自动化机会。 AI搜索流量转化率比传统有机搜索高23倍，尽管流量小，这表明AI系统正改变用户内容互动方式。

谷歌最近引入的自动呼叫功能展示了代理在客服中的应用，自主联系企业获取信息。 指南的框架为营销团队提供构建自定义AI代理的结构化方法，用于活动管理、内容优化和客户互动自动化，而非依赖黑箱解决方案。

时间线：

• 2024年9月：谷歌发布AI代理架构白皮书。

• 2023年12月6日：谷歌引入Gemini多模态模型。

• 2025年12月：Gulli宣布书籍发布。

• 2023年末-2024年初：谷歌测试AI聊天广告。

• 2025年3月：谷歌推出搜索AI模式。

• 2025年5月：主要公司发布AI代理指南。

• 2025年6月：Ahrefs研究显示AI搜索转化率高23倍。

• 2025年7月16日：谷歌揭晓代理AI自动呼叫。

• 2025年7月27日：谷歌云预测1万亿美元市场。

总结与展望

Antonio Gulli的指南针对从强大模型到实用自主系统的差距，提供21种模式，涵盖执行、内存、先进主题。

对于专家和投资人，这本书不仅是技术资源，更是投资机会的信号。代理AI将重塑企业工作流，建议关注相关框架如LangChain。

第一部分核心执行模式详解

提示链（Prompt Chaining）：此模式通过将复杂任务分解为顺序提示链，实现逐步处理。例如，在研究任务中，第一提示生成大纲，第二提示填充细节。这提高了AI的准确性和连贯性。在企业中，可用于自动化报告生成。 代码示例包括Python实现，使用LangChain序列化提示。

路由（Routing）：动态路由根据输入选择路径，如根据用户查询路由到特定工具。这类似于网络路由，但应用于AI决策。在医疗诊断代理中，可路由到不同专家模型。

并行化（Parallelization）：允许多个子任务同时执行，加速处理。例如，并行查询多个数据库。适用于大数据分析。

反射（Reflection）：代理评估自身输出并迭代改进。这增强了自校正能力，在代码调试代理中尤为有用。

工具使用（Tool Use）：集成外部工具，如调用天气API。代码示例展示如何在LangGraph中定义工具。

规划（Planning）：任务分解为子目标，使用树状结构规划路径。在项目管理AI中，可自动生成Gantt图。

多代理（Multi-Agent）：多个代理协作，如一个规划、一个执行。这模拟团队合作，在供应链优化中应用。

第二部分内存与学习

内存管理：包括短期和长期内存，确保上下文连续。在聊天机器人中，记住用户偏好。

学习与适应：代理从交互中学习，调整行为。类似于强化学习，但更结构化。

MCP：标准化上下文协议，提高兼容性。

目标设定与监控：定义目标并跟踪进度，在自治系统中关键。

第三与第四部分高级主题

异常处理：处理错误并恢复，如重试机制。

人机协作：集成人类反馈，确保安全。

知识检索（RAG）：检索增强生成，提高事实准确性。

代理间通信（A2A）：代理间消息传递。

资源感知优化：管理计算资源。

推理技术：高级推理如链式思考。

护栏/安全模式：防止偏差，包括过滤有害输出。

评估与监控：度量代理性能。

优先级：任务排序。

探索与发现：代理主动探索新知识。

附录与额外资源

附录包括高级提示、框架概述、CLI代理等。

结语

这本书为专业人士提供构建AI代理的全面蓝图，值得投资和研究。

标签： #AI Agents #Agentic Patterns #人工智能代理 #设计模式 #AI开发 #智能系统 #谷歌