智能体编排与提示词之争
4 节点1 篇10 来源
智能体编排与提示词之争的核心在于：面对大模型在软件测试等复杂任务中的局限，是依赖单一中央Agent动态加载Skills并遵循护栏，还是堆砌多Agent或仅靠简单Prompt？德国测试专家Paul Behrend指出，简单Prompt易产生错误结果，而多Agent堆砌增加成本却不提升质量；他主张通过“工作流编排”让中央Agent按需调用特定技能，但强调输出质量高度依赖底层模型切换。与此同时，OpenAI和Microsoft Copilot Studio分别发布了关于Agent Skills评估和生成式编排的技术指南，学术界（如Springer综述）则警示多Agent系统存在偏见放大和隐私泄露风险。目前行业共识倾向于“混合模式”：确定性流程保留传统自动化，非确定性判断交给Agent，并通过严格的Evals（评估）体系来验证Skill的有效性，而非仅凭直觉。
事情怎么走到这一步
斯坦福大学CS 224G课程发布讲义《Agent Orchestration & Workflow Design》，由微软首席应用科学家Rakshit Agrawal主讲，系统对比LangGraph与CrewAI框架，提出从单Agent向多Agent演进的架构原则。
web.stanford.edu ↗OpenAI开发者博客发布文章《Testing Agent Skills Systematically with Evals》，介绍Codex中Agent Skills的定义及如何通过Evals（评估）量化其性能，强调先定义成功标准再编写Skill。
developers.openai.com ↗Buidlguidl团队发表博客《Evaluating agent skills: testing whether they are actually useful》，披露对Scaffold-ETH 2项目进行92次A/B评估的结果，发现自评分数虚高60分，证实多数Skill需经过严格测试才能证明其能力增益。
buidlguidl.com ↗德国软件测试从业者Paul Behrend在heise.de和SIGS发表实践报告，提出用中央编排Agent按需加载Skills替代简单提示词和多Agent堆砌，并指出Skill质量随底层模型切换而波动的问题。
heise.de ↗