Gartner 基于 LLM 的 AI 设计模式

概述

Emerging Patterns for Building LLM-Based AI Agents

基于 LLM 的智能体构建模式

Gartner 的图表将模式分为三大类：智能体架构（Agent Architectures）、功能模式（Functional Patterns）与运营模式（Operational Patterns），涵盖基于 LLM 的 AI 智能体的各个维度。

智能体架构

• 单体智能体（Solo Agent）：原子化、单体结构的智能体，适用于简单任务。
• 智能体角色（Agent Roles）：通过定义角色来引导行为边界与范围。
• 智能体间交接（Agent-to-Agent Handoff）：多智能体系统中的任务委派机制。
• 多智能体模块化（Multi-Agent Modularity）：将任务分解并分发给各专业子智能体协同完成。

功能模式

• 预定计划（Prescribed Plan）：面向可重复流程的固定工作流。
• 动态计划（Dynamic Plan）：运行时动态生成策略，以适应变化场景。
• MHQA：多跳问答（Multi-hop Question Answering），通过迭代检索逐步推进。
• 协作型智能体（Collaborating Agents）：动态团队协作模式。
• 编排型智能体（Orchestrated Agents）：基于预定义图结构实现可控交互。
• LLM 交互模式：ReAct（推理-行动循环）、Reflexion（自我批判）、Chain of Thought（逐步推理）。

运营模式

• 智能体评测（Agent Evaluation）：引入人在回路（user-in-the-loop）监督；以 LLM 充当评审（确定性评测）。
• 智能体动作模式（Agent Action Patterns）：函数调用、代码生成、API 工具调用。
• 记忆模式（Memory Patterns）：检索增强生成（RAG）、记忆持久性、记忆作用域。
• 安全模式（Security Patterns）：LLM 护栏、身份令牌、日志记录。