资料摘要：A Practical Guide to Building Agents
OpenAI 面向产品与工程团队的实用指南，从“什么时候值得构建 Agent”进入 model、tools、instructions、single/multi-agent orchestration、guardrails 和 human intervention。
- Agent 是由 LLM 控制 workflow 执行、能动态选择工具并判断任务何时完成的系统；单轮 chatbot 或固定分类器不因此成为 Agent。
- Agent 更适合复杂判断、难维护规则和大量非结构化数据；如果确定性系统足够，应继续使用确定性系统。
- 最小 Agent 有三个核心组件：Model、Tools、Instructions。
- 工具可分为 Data、Action、Orchestration 三类；工具接口应标准化、可测试、可复用。
- 先最大化单 Agent 能力，只有在提示逻辑过于复杂或工具彼此相似导致误选时，再拆成多 Agent。
- 多 Agent 常见 Manager 模式与 decentralized handoff 模式；前者保留中央合成，后者转移执行控制。
- Guardrails 需要分层组合，并与身份认证、授权、访问控制和标准软件安全共同工作。
指南用支付欺诈分析说明 Agent 与规则引擎的差别：前者能处理含例外和语境的判断，但也更难验证。合适场景应能说明传统自动化为什么失败、Agent 如何获得环境反馈，以及失败后怎样停止或交还用户。
模型、工具和指令
Section titled “模型、工具和指令”模型选择应先用强模型建立评估基线，再逐个替换为更小模型优化成本和延迟。Instructions 应从现有 SOP、政策和客服脚本中提取，明确动作、分支与边界案例。工具定义则要同时考虑名称、参数、描述、错误语义和权限。
单 Agent 与多 Agent
Section titled “单 Agent 与多 Agent”单 Agent 通过持续增加清晰工具即可覆盖大量任务，维护和评估更简单。多 Agent 不是因为“角色多看起来专业”，而是在单个 prompt 条件分支过多、工具相似性过高或领域边界真实存在时才有价值。
Guardrails 与人工介入
Section titled “Guardrails 与人工介入”指南列出 relevance、安全分类、PII、moderation、tool safeguard、规则保护与 output validation。高风险、不可逆、涉及资金或权限的动作应触发人工确认；连续失败超过阈值也应交还用户，而不是无限重试。
设计原则相对稳定，但文中的模型名和 Agents SDK 代码属于特定时间快照。学习时应保留架构判断，运行代码前核对当前官方文档。
- 网页：A Practical Guide to Building Agents
- 本地归档：`私有原始资料层
- 归档内容：Defuddle 清洗全文与 34 页官方 PDF；PDF metadata 创建日期为 2025-04-07。
- 内容文件：2；归档前聚合 SHA-256：
bba29c558280893f6c4e468f94ac4b40fb112cc830e1fbd05db788e5910b8e13