AI Agent设计原则从工具到伙伴的演进

长期记忆则是Agent的知识积累

剑飞

从最初的简单聊天机器人

01命题

先说清本页判断

02解释

补足为什么

03行动

留下下一步

把“从最初的简单聊天机”落到一个具体项目里看结果

这些原则源于数百次试错和迭代

本文将分享我们在构建QClaw Agent系统过程中积累的设计原则这些原则源于数百次试错和迭代希望能

对话本身不是目的

01命题

先说清本页判断

02解释

补足为什么

03行动

留下下一步

把“对话本身不是目的”落到一个具体项目里看结果

确立了"对话即行动"的原则

命题先说清本页判断

解释补足为什么

行动留下下一步

把“确立了"对话即行动”落到一个具体项目里看结果

让想法成结构

01语言

先变成材料

02材料

再形成结构

03结构

最后推动行动

把“让想法成结构”落到一个具体项目里看结果

其次是工具调用能力

Agent不能只停留在理解层面必须能够实际调用工具

问题决定工具方向

材料决定生成质量

约束决定结果边界

看交付物

Agent需要检查任务是否真正完成结果是否符合预期

问题回到项目

01任务

把能力放进真实场景

02限制

让标准和期限出现

03结果

用交付校准判断

把“问题回到项目”落到一个具体项目里看结果

让用户了解任务的进展

命题先说清本页判断

解释补足为什么

行动留下下一步

把“让用户了解任务的进展”落到一个具体项目里看结果

应该解释选择的原因

当Agent面临选择时应该解释选择的原因

把“应该解释选择的原因”落到一个具体项目里看结果

做不了就说做不了

Agent应该诚实地告知自己的能力边界

命题先说清本页判断

解释补足为什么

行动留下下一步

带走四步

找项目

从真实任务开始

出材料

把想法变成可处理内容

做交付

用结果判断能力

可复用

把完成沉淀为流程

让能力长出来

长期记忆则是Agent的知识积累

返回原文

上一篇20260531 Agent需要学会说「不知道」下一篇Agent可靠性工程让AI真正可信赖