18 分钟AWS re:Invent 2025——为多智能体AI系统实现人在回路控制(CNS428)
了解如何将审批关卡实现为明确的工作流检查点,而不是等问题发生后再进行非正式人工审核。
AI Engineer. Barry Zhang提出三条规则:工作流能解决时就不要构建智能体;让循环尽可能简单;以及“像你的智能体一样思考”(置身于它的上下文窗口中,你会发现它在两张截图之间几乎是在摸黑决策)。这种简化思路和“这个任务是否真的值得使用智能体”检查清单,正是文章所倡导的工程纪律。
“这个任务是否真的值得使用智能体”检查清单体现的正是文章所倡导的工程纪律——应在编写任何代码之前使用,而不是事后补救。
设计更简单的智能体循环,设置明确的停止规则、任务边界和人工控制点。
你应当构建过或至少设计过智能体;演讲默认你了解循环为何会失控。
最后审核:2026年5月18日
通过相同的视频学习路径,继续观看下一个精选配套视频。
精选的外部课程,帮助您更深入地了解该主题。
Dr. Jules White
这是从“我在浏览器标签页中使用ChatGPT”进阶到“我的AI在我睡觉时处理收件箱”的最清晰路径。这套围绕Zapier构建的专项课程包含三门课程,无需Python。学完后,你将能构建智能体,让它们汇总电子邮件、更新电子表格,并在满足条件时触发工作流。
Anthropic Academy
MCP正在悄然取代AI工具生态中为单一用途开发的工具集成。请直接向标准的创建者学习。学完后,你将构建并部署自己的MCP服务器,把一个LLM客户端连接到该服务器,并理解为何这项标准堪称该领域最接近USB-C的方案。
João Moura (Founder, CrewAI)
Doubles as our sales and customer-support vertical pick and a genuinely practical agent-building course: you build an agentic sales pipeline (lead scoring, personalized outreach) and a customer-support data-insights pipeline as two of the five hands-on projects, taught by CrewAI's own founder. Requires basic Python, so it sits with our other builder-track courses rather than the no-code picks.