TF锐评 | 洞察行业新动向,读懂当下多智能体系统核心技术

《TF锐评》是TF技术前线推出的双周栏目。每期由一支SIG的技术专家团队，从海量学术论文、技术博文、实战案例等各类前沿内容中优中选优，提炼核心观点、标注落地价值，帮行业从业者省去筛选成本、直击技术重点，高效吸收前沿成果与实践经验。

本期由 CCF TF 多智能体系统 SIG 推荐，推荐人：杨卫华、茹炳晟、李庆丰、应阔浩。

这篇论文为当前混乱的AI Agent设计提供了一套清晰、系统的分类框架，值得每一位相关领域的从业者和研究者关注。

核心贡献在于，它指出了现有设计模式分类的根本缺陷：目前的主流框架，无论是Anthropic、Google的工业指南，还是LangChain，都只从执行拓扑（数据如何流动）这一个维度来描述系统；而认知科学的调研则只关注认知功能（Agent做什么）。问题在于，单一维度无法区分架构上截然不同的系统——同样的“协调者-工作者”拓扑，既可以实现“规划并执行”，也可以实现“层级授权”，还可以实现“对抗性验证”，而这三种模式有着完全不同的失败模式和设计权衡。

为此，作者提出了一个二维分类体系：

认知功能轴：包含感知、记忆、推理、行动、反思、协作、治理七个类别；

执行拓扑轴：包含链式、路由、并行、协调、循环、层级六种结构原型。

这个7×6的矩阵定义了28种具名模式，其中15种为原创命名。论文通过系统的跨轴分析证明了这两个维度的正交性，详细定义了8种代表性模式，并在金融信贷、法律尽调、网络运维、医疗分诊四个真实领域验证了其描述覆盖能力。跨领域分析还总结出五条关于模式选择的经验定律，揭示了环境约束（时间压力、行动权限、失败成本不对称性、数据量）与架构选择之间的规律性关系。

AI Agent 成为当下软件工程最令人兴奋的方向，并不只是因为模型更强、工具更全，更关键的是：我们终于找到了让系统“持续进化”的组织方式：把开发从一次性的“线性流程”，升级为可重复运行、持续迭代的“闭环系统”。吴恩达老师在这篇文章中给出了一套可落地、可复用、可扩展的“三环结构”：分钟级的 Agentic 编码循环、小时级的开发者反馈循环、天级的外部反馈循环。建立了产品从0到1的最短路径，推荐学习。

Google Research 宣布推出 TabFM，这是一个专为表格数据分类与回归设计的零样本基础模型，能在单个前向传播中对未见表格生成高质量预测。TabFM 采用混合注意力机制（行列交替注意力+行压缩+ICL Transformer），通过合成数据预训练实现上下文学习，无需手动特征工程或模型调优。模型已在 Hugging Face 和 GitHub 开源，并集成 BigQuery 支持 SQL 的 AI.PREDICT 命令，在 TabArena 基准上表现优于 XGBoost 等传统算法。

Agentic Design Patterns 深度解析：21种AI智能体设计模式完全指南

本文提出了21种Agent的设计模式，为Agent开发选型提供了很好的架构设计思路。

每双周发布，下一期由 CCF TF 具身智能 SIG 推荐。

本文推荐的外部内容著作权归原作者原平台所有。TF仅提供推荐语和原文链接，如有版权疑虑，请联系 tf@ccf.org.cn。

⦿ 如果觉得有用，请点击“推荐”或分享给身边的工程师同事。