行业实践

Agent 系统架构

核心结论：本文出自 davidahmann 创建的 fde-guide 项目，专门为前线部署工程师（FDE）提供 Agent 系统架构指南。核心主张是将 Agent 视为运营软件中的组件，而非系统本身，通过显式边界和持久化状态来构建可控的系统。架构按 Harness、Loop、Graph 三层组织：Harness 层负责模型运行的安全上下文、工具、权限和沙箱；Loop 层管理目标、证据、反馈和重试等改进闭环；Graph 层定义节点、路由、审批和恢复等工作流逻辑。智能选择遵循“最小充分机制”原则，只在非结构化解释能带来可量化价值时才调用基础模型，否则优先使用确定性代码或经典 ML。指南还提供了 11 种参考蓝图，例如用于证据路径多变的 Bounded Retrieval Agent、需要策略约束与回滚的 Transactional Write Agent、以及处理多专业上下文的 Multi-Agent Coordinator 等。安全方面采用神经符号护栏，将概率模型推断与确定性领域逻辑结合，并强制实施最小权限、隔离和显式工具契约。对于多智能体系统，仅在数据权限、上下文或组织归属不相交时才被允许，协调通过 handoff-envelope 绑定身份、权限与预算。整个方案旨在将 Agent 架构从模型中心转向工程化、可验证的系统实践。

核心要点
  1. Agent 系统被视为运营软件中的组件，而非系统的全部，架构强调显式边界、持久化状态和分层决策机制。
  2. Harness/Loop/Graph 三层模型分别回答安全运行环境、工作检验与改进、工作流下一步控制的问题。
  3. 最小充分机制原则要求优先使用确定性代码、优化或经典 ML，仅在非结构化解释能带来可量化价值时调用基础模型。
  4. 指南提供 11 种参考蓝图，包括 Bounded Retrieval Agent、Transactional Write Agent、Multi-Agent Coordinator 和 Computer-Use Action Boundary 等。
  5. 安全与可靠性通过神经符号护栏实现，将概率模型解释与确定性领域逻辑结合，并强制实施最小权限、隔离和显式工具契约。
  6. 多智能体系统仅在工人需要非重叠的受限数据、实质不同的上下文或不同的组织归属时才被引入，协作通过绑定身份、权限和预算的 handoff-envelope 管理。
这篇来自 davidahmann/fde-guide 的 Agents 系统架构指南，为所有正在构建 AI Agent 的工程师提供了一套务实的架构框架。它没有停留在概念层面，而是直接给出了 Harness/Loop/Graph 三层模型、最小充分机制、11 种参考蓝图以及神经符号护栏，把安全边界、工作流逻辑和智能选择决策缝合成了一个可落地的整体。无论你是刚接触 Agent 开发，还是已经在治理复杂的多智能体系统，这份指南都能帮你厘清边界、减少过度依赖大模型的风险，是当前行业极其稀缺的系统性实践手册。

Agent 系统被视为运营软件中的组件，而非系统的全部，架构强调显式边界、持久化状态和分层决策机制。

—— 络石智能编辑部 · 编辑推荐

Agent 系统架构

FDE指南中的Agent系统被视为操作软件中的组件，而非系统本身。该架构强调明确的边界、持久化状态以及分层决策机制，其中基础模型仅在非结构化解读能带来可衡量价值时使用。

Harness/Loop/Graph 模型

架构分为三个不同的层次，以分离环境、反馈机制和工作流逻辑。

| 层 | 回答的问题 | 典型内容 | | --- | --- | --- | | Harness | 模型能否安全有效地运作？ | 上下文、工具、工作区、状态、权限、沙箱、预算、追踪记录 | | Loop | 工作如何被检查和改进？ | 目标、证据、反馈、重试、停止规则、升级 | | Graph | 下一步允许发生什么？ | 节点、路径、分支、合并、并发、审批、恢复 |

分层架构映射

该图连接了概念层与工程套件中定义的特定代码实体和模式。

来源：library/03-agent-system-architecture.md 5-13 blueprints/README.md 26-47

智能选择

“最小充分机制”原则规定：当输入和分支已知时，应优先使用确定性代码、优化或经典机器学习，而非基础模型。

有关选择矩阵及记录这些决策的模板详情，请参阅“智能选择与机制设计”。

来源：library/12-software-architecture-and-intelligence-selection.md 9-23 blueprints/README.md 53-59

参考蓝图

本指南提供11个参考蓝图，用于标准化常见的Agent模式，从简单的检索到复杂的多Agent平台。

| 蓝图 | 选择条件 | | --- | --- | | 有界检索Agent | 变量证据路径、只读结果、可靠的充分性测试。 | | 事务写入Agent | 外部变更、策略约束、审批或回滚。 | | 多Agent协调器 | 不同的工具、数据范围、权限或专业化上下文。 | | 计算机操作边界 | 视觉界面是访问目标系统的唯一可行路径。 |

有关蓝图完整列表及选择矩阵，请参阅“参考蓝图”。

来源：blueprints/README.md 3-19

安全与操作边界

可靠性通过神经符号防护栏实现：将概率模型解读与确定性领域逻辑相结合。生产级Harness通过最小权限、隔离和明确的工具契约来确保安全。

该图将自然语言意图映射到代码强制执行的安全检查。

来源：library/03-agent-system-architecture.md 82-91 library/12-software-architecture-and-intelligence-selection.md 66-79

有关安全模型和基于能力的访问控制详情，请参阅“安全与操作边界”。

多Agent拓扑

只有当工作者需要非重叠的受限数据、显著不同的上下文或不同的组织所有权时，才允许使用多Agent系统。Agent之间的协调通过handoff-envelope（交接信封）进行管理，该信封绑定了身份、权限和预算。

有关拓扑选择和协调协议的研究，请参阅“多Agent拓扑”。

来源：blueprints/multi-agent-coordinator.md 3-13 blueprints/multi-agent-coordinator.md 45-57 research/2026-08-14--multi-agent-topology-selection.md 11-12

标签

FDE智能体AI Agent Security最小权限原则沙箱化神经符号护栏系统架构多智能体AI部署蓝图

相关主题

davidahmannfde-guideDeepWikiFDEHarness/Loop/Graph ModelSmallest Sufficient MechanismBounded Retrieval AgentTransactional Write AgentMulti-Agent CoordinatorComputer-Use Action BoundaryNeurosymbolic Guardrailshandoff-envelope

专家点评

本文由编辑团队收录整理，内容来源于公开信息，仅供参考。

常见问题

FDE 指南中的 Harness/Loop/Graph 模型分别解决什么问题？
Harness 层负责为模型运行提供安全且有效的环境，包括上下文、工具、工作空间、状态、权限、沙箱、预算和追踪等；Loop 层管理工作的检验与改进，定义目标、证据、反馈、重试、停止规则和升级路径；Graph 层控制工作流中允许发生的下一步，包含节点、路由、分支、合并、并发、审批和恢复。
Agent 架构中的“最小充分机制”是什么意思？
“最小充分机制”原则要求：当输入和分支已知时，应优先使用确定性代码、优化算法或经典机器学习，只有在非结构化解释能带来可量化额外价值时，才调用基础模型。该原则旨在避免对昂贵的大模型的过度依赖，提升系统的可预测性和成本效率。
FDE 指南提供了哪些常用的 Agent 参考蓝图？
指南提供了 11 种参考蓝图，典型的有：Bounded Retrieval Agent（适用于证据路径多变的只读检索）、Transactional Write Agent（需要策略约束和审批/回滚的写操作）、Multi-Agent Coordinator（需要不同工具、数据权限或专业上下文的场景）、Computer-Use Action Boundary（当视觉界面是访问目标系统的唯一路径时使用）。

相关文章

解决方案组合

本文介绍了由 davidahmann 开源的 FDE 指南（fde-guide）中的解决方案组合框架。该方案库为前线部署工程师（Forward Deployed Engineers，FDEs）构建可运营的 AI 系统提供了结构化组合框架，核心思想是基于业务决策、行业垂直属性和技术故障边界来选择与组合模式，而非从零构建。框架包含四个层次：业务流模式（Business-Flow Patterns），定义了异常解决、信号调查、风险优先处理和请求激活四类核心决策回路；垂直行业档案（Vertical Industry Profiles），针对医疗访问协调、金融服务调查和工业运营响应等场景提供特定领域的对象模型与监管约束；横向基础加速器（Horizontal Foundation Accelerators），针对集成运行时、安全 AI 工作负载、企业基础和部署运营等主要交付风险提供技术方案；以及智能选择层。文章还介绍了从意图到代码实体的映射方法，强调通过最小可行垂直切片实现可衡量的业务成果，是一套面向 AI 工程化落地的完整方法论与最佳实践集合。

阅读全文 →

智能选择与机制设计

本文详细阐述了前线部署工程师（Forward Deployed Engineer, FDE）的核心理念：智能体是运营软件系统中的组件，而非系统库。文章核心是“最小充分机制”（Smallest Sufficient Mechanism）原则，即在默认使用复杂的智能体循环之前，必须优先选择最经济、可解释的方法来实现业务成果。为此，文章提供了一个从确定性代码、优化算法、经典机器学习、检索增强生成（RAG）、基础模型、智能体工作流到人类决策的七层选择矩阵，明确了每种机制的适用场景、决策形态和必需的防护栏。此外，文章介绍了“智能选择记录”模板，要求工程师在做出任何关键路由选择时，必须记录被否决的更简单替代方案及其被否决的测量原因。文章还包含“混合智能系统蓝图”，定义了如何将这些机制编排到单一工作流中，采用串行路径默认设置，仅在约束合理时添加并行或多智能体循环。系统架构上，强调了工作流编排器、确定性策略、工具与效果网关和运营本体论四大组件的职责分离，并严格规定了状态转换和信任边界，即模型只能建议状态转换，但不能执行，所有凭证、权限和隔离都在智能层之外的可信服务中执行，最终构建了超越12要素方法的云原生基线。

阅读全文 →

AWS如何将前向部署工程师与知识图谱对齐——以及原因

本文深度分析了AWS在2026年围绕前线部署工程师（FDE）和知识图谱的最新战略布局。AWS宣布投资10亿美元正式组建FDE团队，并推出名为AWS Context的新服务，旨在通过构建受治理的语义层和知识图谱，解决AI落地中企业“上下文”缺失的难题。AWS前沿AI工程与服务副总裁Francessca Vasquez详细阐述了该组织的演进路径：从早期的解决方案架构师到Gen AI创新中心，再到如今的FDE，其核心目标是帮助客户将散落在代码和业务流程中的隐性知识工程化为可复用的数据资产，并最终实现客户在AI应用上的自给自足。文章指出，行业对“上下文”的关注已从单纯的RAG技术扩展到由领域专家主导的语义层构建。微软、谷歌云、埃森哲、Salesforce等巨头纷纷效仿Palantir的嵌入式工程模式，使得FDE在一年内成为行业标配。AWS的差异化在于其模型无关性（同时支持Anthropic和OpenAI模型）、对第三方工具的开放态度，以及通过“AI 45”方法论推动客户文化变革的独特价值主张。文章最后指出，尽管方向正确，但AI的长期采用仍需解决代币成本失控和人类对AI抵触情绪等挑战。

阅读全文 →

终于，FDE也要烂大街了

本文深入剖析了前线部署工程师这一岗位在AI时代的重要性、核心能力、稀缺性及培养路径。文章指出，FDE并非简单的传统实施顾问更名，而是需要深入客户现场，理解真实业务流程，将业务SOP拆解为智能体可执行、可测试、可上线的能力，并最终将项目经验反哺为产品资产。作者引述某AI产品负责人案例，指出即使头部团队中真正称职的FDE也仅有2至3人。FDE的能力核心在于三层业务理解：流程与表单层、策略与机制层、以及最关键的业务SOP层。国内企业AI项目普遍金额不高，难以通过高薪快速堆出大量优秀FDE，因此更现实的路径是招聘有责任心的年轻人，通过在真实项目中持续跟踪客户使用情况和业务效果来自主培养。文章强调，尽管FDE头衔将被泛化和滥用，但其背后要求的能力依然稀缺，是中国AI应用公司绕不开的关键路径。文章涉及的关键实体包括Palantir、OpenAI、Anthropic，以及智能体、预测性维护等具体业务场景，为理解AI落地的核心挑战和人才战略提供了翔实的实践参考。

阅读全文 →

Anthropic FDE面试指南：为什么该公司在新型驻场工程师上大笔投入

本文深度解析了Anthropic公司正在大力投资的前线部署工程师（FDE）这一新兴高薪岗位。Anthropic为美国地区的FDE职位开出28万至32万美元的年薪加股权，其核心价值并非简单的提示词工程技巧，而是要求工程师能够深入客户生产环境，将Claude等前沿模型能力转化为可评估、可控制、可部署的生产系统。文章详细拆解了FDE的完整工作闭环：从发现工作流、定义风险边界、构建系统、基于评估验证，到推向生产，并最终将现场洞察反馈给产品团队，形成可复用的MCP服务器、子智能体或产品功能。文章通过对比软件工程师、解决方案架构师、AI应用工程师和顾问等近似角色，突出了FDE“交付客户生产系统与可复用模式”的独特产出，并强调了其在“上下文工程”中决定模型如何安全进入企业的关键作用。这标志着AI部署领域的稀缺技能已从调用模型能力，转向重构客户混乱工作流的系统整合与安全落地能力。

阅读全文 →