Agent应按任务与风险谨慎设计

视频围绕 Agent 的设计与开发实践展开，主张将 Agent 理解为“循环使用工具”以逐步完成目标的模型，而固定步骤可完成的任务应优先采用 Workflow 或传统程序流程。其判断框架包括任务复杂度、任务价值、任务可完成性，以及错误及错误发现的成本；高风险场景应保留 human-in-the-loop 审核。

可借鉴之处在于把评估前置：先以少量测试用例启动，再结合真实任务迭代，并将答案准确性、工具选择与参数等拆成可评判维度。视频也强调在系统提示中界定概念、行为和工具调用时机，并通过对话总结、外部文件或子代理管理有限上下文。

边界是，这些内容主要属于经验性方法论，视频未给出可复现的实验数据或原始指南链接；“复杂问题可用 10–15 个工具”“从 20 条测试集起步”等应视为讲者建议，而非通用阈值。LLM 评审可提高迭代效率，但不能替代真实环境中的人工评估，尤其不应单独承担高风险决策。