简介:Agent 开发并非简单调用接口,真正难点在于任务拆解、上下文管理、并行调度、工具治理与结果聚合。本文结合 Map-Reduce 思路,解析上下文裁剪、共享信息分发、层级压缩等实践方法,并给出模型选型与成本控制建议。
Agent 开发并不是简单调用大模型接口,而是把模型、工具、知识库、数据库和流程编排成一个可完成任务、可控制风险的系统。很多项目表面上只是“调接口”,真正拉开差距的是上下文工程、任务拆解、并行调度、结果聚合与评估闭环。若涉及多模型选型、价格对比和统一接入,也可以通过百度智能云词元所了解模型能力、调用成本和 API 接入方式。
调接口解决的是“模型能不能回答”,而 Agent 要解决的是“模型能不能在约束条件下完成多步任务”。一个简单的问答接口只需要接收输入、返回输出;但一个可用的 Agent 通常需要处理以下环节:
因此,Agent 开发不是单点接口调用,而是系统工程。千帆 AppBuilder 将 Agent 分为自主规划 Agent 和工作流 Agent,前者适合灵活需求,后者适合高可控、高复杂度流程。在自主规划 Agent 中,角色指令、记忆表、知识库和组件共同决定应用能力边界。在客服、判题、任务规划等企业场景中,Agent 开发通常需要同时处理数据准备、流程编排、组件调用和效果评估。
复杂 Agent 任务里,最常见的上下文问题有两个极端:
更合理的思路是采用 Map-Reduce 式的上下文工程:
这个模式的关键不是“并行”本身,而是如何保证每个 subagent 只拿到完成当前子任务所需的最小上下文。
并行调度成立的前提是子任务之间足够独立。通常可以检查两个标准:
如果任务边界不清晰,强行并行可能导致结果冲突。例如多个 subagent 同时写同一个配置文件,或者一个 subagent 依赖另一个 subagent 的中间结果,这时并行反而会放大错误。
很多 Agent 框架默认把主 Agent 的完整上下文传给 subagent,这会造成两个问题:
更好的做法是:主 Agent 只分发当前子任务所需的上下文,包括任务目标、输入数据、工具说明、输出格式和必要约束。通用背景可以由主 Agent 统一维护,而不是每个 subagent 都重复携带。
subagent 返回结果后,主 Agent 需要完成 Reduce。常见有两种情况:
聚合阶段还要处理冲突。例如两个 subagent 对同一个事实给出不同答案,主 Agent 需要依据来源可信度、时间新鲜度或业务规则进行取舍。
多个 subagent 经常需要共享同一批信息,例如项目背景、接口文档、数据库结构或业务规范。此时可以选择不同的分发方式:
| 模式 | 做法 | 适用场景 |
|---|---|---|
| Push | 主 Agent 直接把共享信息写入每个 subagent 的上下文 | 共享信息体积较小,主 Agent 窗口足够 |
| Pull | 共享信息存入外部存储,subagent 按需读取 | 共享信息体积较大,或主 Agent 窗口紧张 |
| Hybrid | 主 Agent 只分发索引或摘要,subagent 再按需拉取详情 | 信息量大、结构复杂、需要分层访问 |
原则很简单: 主 Agent 窗口够就 Push;不够就把共享信息外置,让 subagent 自己去取。
例如,一个代码生成 Agent 需要读取大型项目文档。如果直接把整个文档塞进每个 subagent,成本很高;更合理的方式是主 Agent 只提供文档目录、关键章节摘要和检索入口,subagent 根据任务需要再拉取具体片段。
在实践中,还会出现一种情况:某个 subagent 在执行前做了一次 discovery,发现需要读取的信息量远超自己的上下文窗口。这时不能硬塞,而应该继续向下拆分。
可以启动多个二级 subagent,也就是 subagent-LV2,让它们并行获取信息、局部总结,再把压缩后的结果返回给一级 subagent。这个过程可以概括为:
这种层级压缩类似于信息检索中的分页、索引和摘要机制。它不是简单减少上下文,而是通过分层处理,让每一层只面对自己能够处理的复杂度。
Agent 的能力边界不只由模型决定,还由外部工具和知识源决定。常见能力包括:
在千帆 AppBuilder 中,组件、知识库、数据库、记忆和数字人形象等能力可以用于扩展应用能力。对于客服、营销、办公等需要稳定流程的场景,工作流 Agent 更容易保证可控性;对于旅游助手、闲聊问答等灵活场景,自主规划 Agent 更适合。
Agent 系统里不同环节对模型能力的要求并不相同:
因此,Agent 开发不能只关注“调用哪个模型”,还要关注不同节点如何组合模型。通过百度智能云词元所,开发者可以了解不同模型的能力和适用场景,并进行模型价格与性能对比,辅助 Agent 各环节的模型选型。
在多模型接入方面,统一 API 接入可以降低集成复杂度。对于需要同时使用多个模型服务的 Agent 项目,统一接入方式有助于减少重复开发,并提升后续调用管理的便利性。若需要观察模型调用情况、评估不同模型在业务中的表现,也可以借助词元所模型服务进行模型调用管理和供需对接。
Agent 开发的难点,不是会不会调用接口,而是能否把模型能力组织成稳定、可控、可评估的任务系统。上下文工程决定 Agent 的理解上限,流程编排决定执行下限,模型选型与成本控制则决定它能否真正落地。