编排层设计哲学

这是整个白皮书里最容易被忽视、但对真实 Agent 系统最关键的一节。

我会重点解释：

Orchestration 为什么是“智能的来源，而不是模型”
Persona、Domain Prompt、Context、Memory 这些词在工程上到底意味着什么
如何设计一个可控、可扩展、可解释、可维护的 Orchestration 层
为什么 Orchestration 才是未来 Agent 系统的护城河

Orchestration Layer Design Choices

（编排层的设计哲学：角色、领域知识、上下文、记忆）

白皮书的观点非常强烈：

“Orchestration is where the intelligence actually lives.” ——智能不是在模型里，而是在“你如何组织模型”的方式里。

Orchestration 是 Agent 的“皮层系统”，负责：

谁说话
什么时候说
用哪些信息说
说完之后做什么
遇到错误怎么办
什么时候停
什么时候换策略
如何切换角色
如何使用工具

模型只是被调用的推理引擎， Orchestration 才是整个系统的行为控制器。

6.1 Persona（角色模型）

（定义“你希望这个 Agent 成为什么样的人”）

Persona 不是“写一个花里胡哨的提示词”，而是一种行为约束系统。

白皮书指出：

Persona 是 Agent 的「行为边界」「决策框架」「态度」「风格」和「能力范围」的集合。

工程级 Persona 包含：

6.1.1 行为范围（Scope of Responsibility）

Persona 不是：

你很聪明
你很严谨
你很专业

而是：

你负责任务的哪一段？
你能决定哪些事？
哪些事你必须升级给别的 Agent？
哪些事你没有权限？

例如：

“你负责规划，但不能执行工具”
“你能写代码，但不能写数据库”
“你能总结，但不能决策”

Persona 本质是角色边界控制（boundary control）。

6.1.2 决策偏好（Decision Style）

Persona 决定 Agent 如何做选择：

保守 / 激进
求稳 / 求快
成本敏感 / 准确性敏感
质量优先 / 效率优先

Persona 是 Agent 的“系统性偏好函数”。

6.1.3 语气风格（Voice & Tone）

这是最浅层，但也重要：

简明
严肃
技术性
友好
判断型
推荐型

Persona 必须持续一致，不是随意漂移。

6.1.4 Persona = 行为差异化

白皮书强调：

角色化（Personas）可以让同模型表现出截然不同的行为模式。

例如同一个 LLM，可在：

Planner Persona 下像项目经理
Research Persona 下像情报分析
Critic Persona 下像审计官
Executor Persona 下像调度引擎

这就是“角色驱动的智能分形”。

6.2 Domain Knowledge（领域知识）

（告诉 Agent：这里的世界是怎么运行的）

白皮书强调：

“Domain knowledge is foundational. Without it, the agent hallucinates structure that does not exist.” ——没有领域约束，Agent 会“妄想出不存在的世界结构”。

6.2.1 领域知识的四类内容

(1) 规则（Rules）

业务规则
合规要求
逻辑约束
权限模型

(2) 术语（Terminology）

定义系统实体：

Ticket
User
Order
Agent
Tool
Workflow

数据结构（Schemas）

任务输入/输出的结构：

- Order = {id, status, created_at, ...}
- Query = {filters, sort, max_results}

策略（Policies）

客户优先级策略
重试策略
错误分类策略
成本预算策略

这些内容必须：

持久化
可读取
可检索
可版本化

不能写死在 Prompt 里，那会让系统变成黑箱。

6.3 Context Engineering（上下文工程）

（Agent 能否“保持聪明”，取决于它如何构建上下文）

白皮书观点：

“Context is the primary substrate the agent reasons over.” ——上下文，是 Agent 的思维土壤。

上下文工程 ≠ 拼 prompt 而是信息选择、组织、剪裁、压缩、编码、排序的系统设计。

什么叫“正确的上下文”？

正确上下文包含：

当前任务
任务目标
最近几轮行动/观察
工具结果
领域知识
Persona
已知事实
外部数据
避免的错误
优先级

上下文必须：

全
准
短
结构化
低噪声

过多 → 模型迷失过少 → 模型报错顺序不对 → 模型误判格式混乱 → 模型解码失败

6.4 Memory（记忆系统）

（Agent 之所以是“Agent”，是因为它能跨回合保持状态）

白皮书明确说：

“Memory is a first-class component of agentic design.” ——记忆是智能体设计的一级概念。

它不是一个向量库，而是一个多级结构：

Memory 的四个层次

(1) 短期记忆（Short-term memory）

存当前任务的：

最近几轮
Action + Observation
临时变量

用于下一轮推理。

(2) 中期记忆（Task-level memory）

整个 Mission 的轨迹：

子任务列表
工具调用历史
失败/成功模式
中间结果

用于任务复盘与修正。

(3) 长期记忆（Long-term memory）

跨任务：

用户偏好
行为模式
风险点
常见失败模式
历史任务经验

用于自我优化的基础。

(4) 稳定知识库（Knowledge Base / RAG）

文档
领域知识
工具规范
规则体系
公司策略
历史案例

用于给模型提供“静态长期事实”。

记忆的关键不是储存，而是“选择”

一个 Memory 系统至少要做三件事：

决定何时写入
决定是否写入
决定哪些要取出来提供给模型

这三件事，决定 Memory 是否“真正有用”。

为什么 Orchestration 才是未来的核心？

白皮书的观点非常清晰：

“The orchestration layer is the true architecture of an agentic system.” ——编排层才是真正决定智能体架构的部分。

原因：

1. 模型会被不断替换，但 Orchestration 不会。

2. Tools 和 Memory 都是 Orchestrator 管的。

3. Task Loop 完全由 Orchestrator 控制。

4. 多 Agent 协作完全依赖 Orchestrator 的调度。

5. 安全和权限是 Orchestrator 的责任。

6. 评估、监控、可观测性也在 Orchestrator。

换句话说：

LLM 是“可插拔的引擎”， Orchestrator 才是“系统的灵魂”。

哪些公司未来能成为 Agent 时代的基础设施？不是模型公司，而是：

能控制 Orchestration 的公司
能形成 Tool 生态的公司
能构建 Memory/Policy 层的公司
能形成 Multi-Agent runtime 的公司

Part 6 总结：架构级洞察

如果这一节只留下三句话：

1. Orchestration = Intelligence

智能体的“智慧”来自 orchestrator，而不是模型权重。

2. Persona × Domain Knowledge × Context × Memory = 行为结构

这是决定 Agent 行为的四大抽象层。