|
1. 模型基础设施层
|
2. 上下文与多模态记忆层
|
3. 受控工具执行层
| 网络检索与供给 Tavily / Firecrawl / 实时搜索引擎 | 企业级 API 集成 GitHub / Stripe / Slack 自动化通道 | 安全沙箱环境 E2B / Modal (完全隔离的恶意代码执行岛) | 受控数据存取 带有行级权限控制的 SQL/NoSQL 数据库 | 系统级原子操作 文件系统、邮件网关、日历调度器 |
4. 高级智能体运行时
2026 核心升级
从盲目串行的 ReAct 循环，演进为“先规划、后执行、有限度重规划”的高效拓扑
| A 全局规划 (Planner) Plan-and-Execute 架构。模型首次推导完整拓扑图/任务树，避免每一步都盲目重新思考。 | B 有界执行循环 (Executor) 局部高效 ReAct 循环或 LATS (树搜索)。仅在当前原子步骤内调用工具并观察。 | C 有限度重规划 (Bounded Re-plan) 当 Observation 遭遇严重非预期阻碍时，才触发“局部剪枝与有界重规划”，大幅降低 Token 级数消耗。 | D 深层自省反射 (Reflexion) 在最终交付前，启动独立的反思机制，对照全局 Goal 校验产出质量，未达标则回溯。 |
核心运行编排组件
| 任务解耦 与拆分 |
动态模型/ 工具路由 |
执行流 状态机控制 |
单次运行硬预算强管控 ※ 超过 $X 或 N 步立即熔断拦截 |
标准错误与 重试降级 |
5. 企业级可观测性、防回退评估与安全护栏
| 持续评估与防回退测试 (Continuous Eval) 极其重要 利用 Langfuse / Prompt Evals 建立 CI/CD 自动化胜率测试。坚决杜绝“修改一行提示词，整体智商悄悄回退”的盲目迭代。 | 链路追踪与全生命周期审计 (Tracing) LangSmith / Arize Phoenix 深度整合。记录完备的 Session、Runs、Logs 以及微观的 Span 级时延与输入输出。 | 动态内容安全与输入输出护栏 (Guardrails) Guardrails AI / LlamaGuard / Lakera。动态拦截针对大模型的 Prompt 注入攻击，严格审计并滤除敏感/不合规的工具操作。 |