智能体架构

一、总体架构思路

产线军师的 Agent 架构采用“统一入口 + 分层编排 + 专业能力协同 + 治理约束”的方式，让用户通过同一个入口获得稳定、可验证、可扩展的制造分析能力。

二、单入口不等于单一 Agent

对用户来说，产线军师可以表现为一个统一的 Agent 入口；但在系统内部，产线军师更适合被理解为一套围绕场景自动路由和协同编排的能力体系。

这意味着同一个会话入口背后，可能会根据问题类型自动组织不同角色的能力，例如：

• 指标与经营分析能力
• 质量与异常诊断能力
• 故障与设备分析能力
• 知识检索与经验增强能力
• 结果整合与表达能力

这种设计的价值在于，系统不需要让一个单体 Agent 同时承担所有职责，而是让更合适的能力在更合适的场景中参与执行。

三、核心层次

层次	作用	对用户的价值
交互层	接收问题、维护会话上下文、多轮追问	让用户可以像对话一样持续分析
路由与编排层	识别意图、拆解任务、决定执行路径	把复杂问题转换为清晰步骤
能力模块层	为不同角色和场景注入领域方法、规则和使用方式	让结果更贴近角色目标与业务场景
场景能力层	组织指标、质量、故障、节拍等专业能力	让分析更贴近真实业务语义
记忆层	延续会话上下文、长期偏好和任务中间状态	让多轮分析更连续、减少重复澄清
工具执行层	调用具体业务工具与结构化能力接口	确保结果建立在可执行能力之上
知识增强层	引入术语、规则、案例、复盘经验	提升解释力和复用能力
治理层	控制权限边界、调用规则和结果可信度	让系统更稳定、更可控

四、从当前演进看，更适合按“三层协同”理解 Agent

如果进一步往运行时内部看，当前产线军师 Agent 已经不适合再被理解为“一个 Prompt 驱动一切”的系统，而更适合按三层来理解：

层	关注点	作用
Harness Engineering	运行时、工具、会话、事件流、状态与治理	决定 Agent 跑在什么样的执行世界里
Context Engineering	历史、记忆、知识、时间、工具边界与预算控制	决定本轮到底能看到什么
Prompt Engineering	角色、规则、模式切换、技能目录、输出契约	决定本轮该怎么说、怎么收敛

这三层可以简单理解为：

• Harness 负责“造世界”
• Context 负责“看什么”
• Prompt 负责“说什么”

更完整的说明可继续阅读 三层架构、上下文工程 和 提示词工程。

五、智能体架构中的关键关系

如果用三层视角重看这张图：

• Harness 保障会话、工具、状态与执行环境真实存在
• Context 决定会话上下文、记忆与知识如何进入本轮分析
• Prompt 负责把这些输入组织成模型可执行的行为约束

六、典型协同方式

在一个典型的复杂问题中，产线军师的 Agent 架构通常会表现出以下协同方式：

1. 先判断问题属于查询、对比、诊断还是建议场景
2. 再识别应调用哪些专业能力
3. 结合上下文、记忆与知识补充必要依据
4. 最后把结构化结果组织成用户可读、可追问的输出

这种协同方式既支持单步问答，也支持多步链式分析。

七、为什么采用分层与协同架构

1. 便于扩展场景

新增分析主题时，不需要重写整套交互逻辑，而是扩展新的能力模块、场景能力和知识资产。

2. 便于控制边界

把交互、路由、上下文、工具、知识和治理拆开之后，系统更容易控制哪些能力可调用、哪些问题需要澄清、哪些结果需要收敛。

3. 便于持续演进

业务案例、语义规则、提示资产和诊断流程可以逐步沉淀，不必和底层执行逻辑混杂在一起。

八、智能体架构的产品意义

从产品视角看，这种架构让产线军师同时具备四个特征：

• 统一交互体验：用户只需要围绕问题发起对话
• 专业能力协同：系统能自动组织更合适的分析能力
• 上下文连续与结果收敛：系统不只会算，还能接住追问并控制边界
• 可治理、可扩展：随着场景增加，仍能保持稳定性和可信度