建構現代AI Agent 的實戰指南：融合Anthropic、GitHub 與Docker 的理念和工程化智慧 核心觀點一：設計理念（來自Anthropic） ——“拒絕過度設計，從簡單工作流程開始” Effective harnesses for long-running agents anthropic.com/engineering/ef… 1. 先有“工作流程”，再有“智能體”： · 不要一上來就試圖建構一個全知全能、完全自主的AI。 · Lesson：大多數業務需求只需要確定性的工作流程。例如“先搜索，再總結，最後發郵件”，這是一條直線。只有當路徑不確定，需要AI 自己做決定時（「我該搜尋還是直接回答？」），才稱之為Agent。 2. 簡單的力量： · 文章強調使用可組合的模式而不是複雜的框架。 · 推薦模式： · Prompt Chaining：把任務切碎，一步步餵給AI。 · Orchestrator-Workers：一個AI 負責分配任務，幾個AI 負責具體工作。 · Evaluator-Optimizer：一個AI 寫，另一個AI 負責挑刺和修改。 核心觀點二：基礎設施（來自Docker） ——“給AI 一個安全的'家'和統一的'手'” Docker + E2B: Building the Future of Trusted AI https://t.co/WHYQxIplPD 如果說LLM 是大腦，Docker 正在成為AI Agent 的軀幹和手腳。文章強調了Docker 在Agent 時代的兩個新角色： 1. 標準化的工具介面（MCP）： · 以往AI 要連接資料庫或Google 日曆，每家公司都有不同的寫法。 · Lesson：Docker 正在大力推廣MCP (Model Context Protocol)。這是一種通用標準，讓AI 像插USB 一樣即插即用地連接外部工具。你不需要為每個工具重寫程式碼，只需使用標準化的MCP 服務。 2. 安全沙箱（Sandboxing）： · Agent 需要執行程式碼、讀寫文件，直接在你的電腦上跑太危險（可能會誤刪文件）。 · Lesson：利用Docker 容器為Agent 提供一個隔離環境。 Agent 可以在裡面隨意折騰、安裝軟體、執行程式碼，即便搞砸了，把容器刪除即可，不會影響主機。 核心觀點三：互動與落地（來自GitHub） ——“上下文就是一切” How to write a great agents. md: Lessons from over 2,500 repositories https://t.co/rRZMyQtaD8 GitHub 透過Copilot Workspace 展示了Agent 如何真正融入工作。 1. 感知環境： · 一個好的Agent 不能只看你的一句話，它必須看懂你的「整個世界」。 · Lesson：就像GitHub Copilot 的@ workspace 功能一樣，Agent 需要能夠理解整個專案倉庫、檔案結構和依賴關係。在建構Agent 時，關鍵在於如何有效率地把這些背景資訊餵給AI。 2. 人機協作而非替代： · GitHub 的經驗表明，Agent 不應該是一個黑盒，它應該是一個透明的合作夥伴。 · Lesson：讓使用者看到Agent 的計劃，並允許使用者在Agent 執行任務的過程中進行幹預和糾正。 總結：如何建構現代AI Agent？ · 大腦：使用Anthropic 所提倡的簡單模式（如指揮官模式），不要迷信複雜的Agent 框架。 · 身體：使用Docker 容器來執行Agent，確保安全；使用MCP 協定來連接工具，確保通用性。 · 靈魂：像GitHub 一樣重視上下文，讓Agent 理解業務全貌，而不僅僅是回答問題。 一句話總結： 現在的AI Agent 開發已經過了「甚至不知道怎麼寫Prompt」的草莽階段，正在進入標準化（Docker/MCP）、模式化（Anthropic Patterns）和工程化（GitHub Context）的成熟期。 部落格網址：
