AI代理设计模式的二维框架：认知功能和执行拓扑

arXiv:2605.13850v1 公告类型：新 摘要：基于 LLM 的代理架构的现有框架从单一角度描述系统：行业指南（Anthropic、Google、LangChain）关注执行拓扑（数据如何流动），而认知科学调查则关注认知功能（代理做什么）。这两个轴都无法单独消除架构上不同系统的歧义：相同的 Orchestrator-Workers 拓扑可以实现计划和执行、分层委托或对抗性验证——这三种模式具有根本不同的故障模式和设计权衡。我们提出了一种二维分类，它结合了（1）具有七个类别（上下文工程、记忆、推理、行动、反射、协作、治理）的认知功能轴和（2）具有六个结构原型（链、路由、并行、编排、循环、层次结构）的执行拓扑轴。生成的 7x6 矩阵标识了 27 个命名模式，其中 13 个具有原始名称。我们通过系统的跨轴分析证明正交性，详细定义八种代表性模式，并验证四个现实领域（金融借贷、法律尽职调查、网络运营、医疗保健分类）的描述性覆盖范围。跨域分析产生了模式选择的五个经验法则，这些法则控制着环境约束（时间压力、行动权威、失败成本不对称、数量）和架构选择之间的关系。该框架为人工智能代理架构设计提供了原则性的、框架中立的、与模型无关的词汇。