YC眼中的五种AI Agent核心形态
本文总结了AI Agent发展中的五种核心架构形态，这些形态正从一次性提示应用转向可复用、可积累的工作流系统。
1. **Skills（技能）**：将标准作业流程抽象为可参数化的“方法调用”。同一套流程通过更换参数可处理一类问题，而非单一具体任务。
2. **Thin Harness（轻量执行框架）**：作为模型的“手脚”，负责任务循环、文件管理等基础执行功能。其设计应保持轻量，避免因功能过度堆积导致“上下文腐化”。
3. **Resolvers（解析器/路由）**：通过明确的路由规则，将任务类型映射到对应Skill，解决因技能过多而导致的模型调用混乱问题，确保输出稳定。
4. **Latent vs. Deterministic（潜在与确定性）**：需明确分工。LLM擅长判断、综合等非确定性任务；而算术、优化等需稳定输出的工作，则应交给确定性代码处理。
5. **Memory（记忆）**：系统积累知识的基础。可采用Markdown文件夹等形式，记录“当前可信结论”和只增不减的时间线，使经验得以沉淀并可被自动关联与更新。
这些模块共同构成了一种“流程能力”，将经验转化为结构化、参数化的工作流。相比容易被复制的一次性应用，这种深度集成的系统更难被模仿，有望成为个人或组织在AI时代构建长期竞争优势的基础。其本质是将服务产品化，通过编码流程、分离关注点与持续积累记忆，实现更高效、更优质且更具壁垒的产出。
marsbit28分钟前
