人工智能领域正围绕“智能体（agents）”这一概念蓬勃发展——这些自主的 AI 系统能够推理、规划，并与环境交互以实现目标。但如何构建高效且可靠的智能体呢？答案就在于智能体设计模式（agentic design patterns）。这些可复用的蓝图为构建复杂的 AI 智能体提供了框架。本文将详细介绍四种基本模式，并通过不同框架下的简单实现示例，助你入门。
一、反思模式：促进自我提升
反思模式的核心是让 AI 智能体能够批判并改进自己的工作。这种自我提升的迭代过程能带来更高质量、更准确的输出。想象一个负责撰写博客文章的 AI，借助反思模式，它会先生成初稿，然后由一个独立的“批评家”智能体从清晰度、连贯性和语气等方面进行审查。原始智能体再根据这些反馈修改初稿。
（一）反思模式的工作原理
反思模式的关键在于构建“生成-批判-修正”的闭环。以撰写文章为例，生成智能体先完成初稿，批评智能体从多个维度进行评估并给出具体建议，生成智能体依据建议进行修改，如此循环，直至达到理想效果。这种模式模拟了人类写作中反复修改的过程，通过内部的自我审视不断提升成果质量。
在复杂任务中，反思模式能帮助智能体发现自身的不足。比如在进行数据分析报告撰写时，生成智能体可能会遗漏某些关键数据的分析，批评智能体可以指出这一问题，并建议补充相关内容，从而让报告更加全面、深入。
（二）基于 LangGraph 的简单实现示例
首先，创建生成器：
from langchain_core.messages import AIMessage, BaseMessage, HumanMessage
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_fireworks import ChatFireworks
prompt = ChatPromptTemplate.from_messages(
[
(
"system",
"你是一名作文助手，负责撰写优秀的五段式作文。"
"根据用户的要求生成最佳作文。"
"如果用户提供批评意见，请根据之前的尝试生成修改版本。",
),
MessagesPlaceholder(variable_name="messages"),
]
)
llm = ChatOpenAI(
model="gpt-4.1-mini-2025-04-14",
temperature=0.7
)
generate = prompt | llm
反思部分：
reflection_prompt = ChatPromptTemplate.from_messages(
[
(
&n