工具、技能还是子代理，如何优化复杂 AI Agent的架构
**视频 AI 总结**：该视频由 Anthropic 工程师 Will 主讲，主题是如何优化复杂 AI Agent的架构，避免因功能堆叠导致的性能下降。通过一个名为 Stock Pilot 的库存管理代理案例，演示了如何从冗长的系统提示、杂乱的工具和子代理中重构，利用技能（Skills）、基础工具（如代码执行、文件系统）和 Claude Managed Agents 来简化设计，并通过评估（Evals）进行迭代提升（hill climbing），最终将评估分数从 62% 提升至 92%，同时降低 token 消耗和成本。 **主要内容**： - 代理问题：系统提示长达 400 行，12 个工具（3 个是子代理），导致评估失败（如 F1 效率低、F2 子代理通信断裂、R8 策略冲突）。 - 优化策略：使用技能（Skills）替代长系统提示，实现信息渐进式披露；用基础工具（代码执行、文件系统）替代大部分自定义工具，减少 token 使用。 - 子代理使用时机：仅当需要大量计算（如并行处理）或需要独立视角（如代码审查、预测）时才用，并推荐使用 Claude Managed Agents 的原生子代理功能以增强可观测性。 - 结果：架构简化后，评估分数从 62% 升至 92%，成本和时间降低，性能提升。
72
0
0
2026-07-05 16:00
