黄佳,笔名咖哥,新加坡科技研究局(A*STAR)AI 研究员
《Designing AI Agents》(Manning,2026)作者,人民邮电出版社2026年重点图书《Agent设计模式》作者。曾任埃森哲新加坡公司资深顾问,拥有 20 年以上软件架构与 AI 工程化实战经验。著有《Agent设计模式》《RAG实战课》《动手做AI Agent》《GPT图解 大模型是怎样构建的》等多部技术畅销书,累计影响数十万开发者。当前研究聚焦于 Agent 设计模式的系统化——基于认知科学与分布式系统工程的交叉视角,提出覆盖感知、记忆、推理、行动、反思、协作、治理七大认知维度与六种执行拓扑的双轴模式矩阵(27种模式),并以 Claude Code、Manus、OpenClaw 等生产系统为案例验证框架的通用性。
目的及意义:
Agent 正在从“对话工具”演化为“数字员工”,但 QA/测试/DevOps 团队在引入 Agent 时面临三个核心架构问题:如何让 Agent 在不同场景下可靠行动?如何选择单 Agent 还是多 Agent?如何在自动化与安全之间取得平衡?本课程提供一套系统性的设计模式框架,让参与者带着“模式选型能力”离开,而非仅带着工具使用经验。
背景:
行业现状:2025-2026年,Agent 从概念验证进入生产部署的关键拐点。Claude Code 年收入突破 25 亿美元,OpenClaw 短时间内获得 14 万 GitHub Stars,Manus 在 GAIA 基准测试上创造纪录——这些信号表明 Agent 已不再是实验性技术。
核心矛盾:然而,绝大多数团队在构建 Agent 系统时仍处于“Prompt拼接 + 工具调用”的初级阶段。缺乏系统性的架构思维导致三个典型问题:
1. 可靠性低:同一任务不同执行结果不同(缺乏感知与记忆模式)
2. 扩展性差:单体 Agent 无法应对复杂工作流(缺乏协作与治理模式)
3. 安全性弱:Agent 权限失控导致团队信任崩塌(缺乏治理模式)
讲师独特视角:讲师正在为 Manning 出版社撰写《Designing AI Agents》一书(2026年出版),系统性地将 Agent 架构问题映射到认知科学的七大模块和分布式系统的六种拓扑上,形成一套 27 种设计模式的双轴矩阵。每种模式都可追溯到成熟的工程实践——Context Triage 源自负载均衡、Generator-Critic 源自金丝雀部署、Blast Radius Control 源自熔断器。
工作坊的差异化定位:与通常的 Agent 工具培训不同,本工作坊不绑定特定平台或框架,而是教授“模式选型”能力——面对一个具体的质效场景,参与者能从 27 种模式中选出最合适的 2-3 种进行组合。
听众收获:
1. 获得一套系统性的Agent架构思维框架:双轴矩阵(7认知×6拓扑=27模式)提供设计决策的“地图”
2. 掌握六种直接可用于质效场景的核心模式:每种附带问题剖析、工程祖先、质效数据和Tradeoff分析
3. 亲手设计一个Agent架构方案:在四个真实质效场景中完成从需求分析到架构设计的完整过程
4. 建立“模式不变,场景在变”的工程直觉:通过三大生产系统对比获得跨平台迁移能力
5. 带走一份可操作的模式选型决策指南:五步决策法 + 27种模式速查卡
内容大纲 |
第一部分:认知框架 |
|
第二部分:模式深潜 |
|
第三部分:架构设计实战 |
|
第四部分:闭环与行动 |
|