聊天优先的AI工具在需要代理自主工作时就会崩溃

过去8个月我一直在构建代理工作流，但不断撞上现有工具的同一堵墙：它们都假设有一个人类坐在那里，输入提示，等待响应。这种模式对于一次性问题还行。但一旦你需要一个代理每小时处理一个研究队列，或者按计划将结果同步到知识库，或者将子任务委派给专家代理并取回结果……聊天范式就彻底崩溃了。具体来说是这样的。假设我想要一个“新闻代理”，它在早上6点触发，抓取我关心的主题，编写一份结构化摘要，然后推送到仪表盘。使用基于聊天的工具，我需要醒来，打开应用，输入提示，然后等待。那不是自动化，那只是一个花哨的文本框。所以我开始围绕一组不同的原语进行构建： - Cron触发器，按计划触发代理，无需任何人工参与 - 事件触发器，对系统状态变化做出反应（看板上的卡片移动、webhook触发等） - 子代理委派，其中父代理将范围明确的任务交给专家代理，取回结果，然后继续。保持上下文窗口精简，而不是把所有东西塞进一个巨型提示 - 技能在运行时加载，而不是将所有指令前置加载到系统提示中。代理决定它需要什么并请求它 最让我惊讶的是交互模型对架构的决定性作用。一旦我不再思考“带着工具聊天”，而是开始思考“碰巧使用LLMs的自主流程”，整个设计就打开了。代理变得更像有职位描述的工作者，而不是等待指令的助手。 我很好奇这里其他人为了代理自主性（超越聊天）都在做些什么。你们是在拼接cron作业+LangChain吗？运行自定义编排器？还是聊天循环实际上对你们的用例有效，而我想多了？我把完整的架构和权衡写成了更长的文章，链接会在下面的评论中提供。