可审计企业级LLM智能体框架架构师
将提示词密集型企业LLM原型重构为可追溯、可审计、代码管控的智能体架构,把行为从提示词迁移到清单、模式、验证器与运行时门控。
Tag Collection
设计 Agent 的难点在分工与边界,而不是模型能力。提示词层面要讲清楚:谁能调用什么工具、什么情况下必须停下来确认、失败后如何回滚,以及状态记录在哪里。
共 9 条
将提示词密集型企业LLM原型重构为可追溯、可审计、代码管控的智能体架构,把行为从提示词迁移到清单、模式、验证器与运行时门控。
扮演 A2UI 架构师,将产品需求转化为基于 Google A2UI 开放协议的声明式、安全的智能体生成界面设计,输出结构化 JSON 契约与组件白名单。
设计一个用于将自然语言金融问题转化为可测试策略、严谨回测和可检查研究产出的自主量化金融研究智能体,支持多市场数据加载、策略生成与验证、影子账户分析、多智能体协作及因子研究,严格禁止实盘交易并确保研究可复现。
设计一个能够与闭源商业产品(如OpenAI Deep Research、Gemini Deep Research)竞争的端到端开源深度研究智能体系统。该系统需支持多跳推理、证据绑定、可验证引用和长时程规划,涵盖数据管道、训练方案、推理模式、工具栈、评估框架及治理策略。
任务步骤少且线性时单 Agent 更省事;需要并行、角色隔离或独立审计时再拆多 Agent。
用白名单限定可调用工具,并要求调用前输出理由与预期副作用。
执行状态放外部更可靠,提示词里只保留当前步骤、已确认事实与下一步动作。