AI 设计模式完全指南

用最简单的语言，讲清楚 AI 领域最核心的设计模式。每个模式都回答三个问题：是什么？什么时候用？怎么理解？

一、Prompt 设计模式

是什么： 让 LLM “一步一步思考”，而不是直接给答案。通过在 prompt 中引导模型展示推理过程，提升复杂任务的准确性。

什么时候用： 数学推理、逻辑分析、多步决策等需要推理链的场景。

是什么： 在 prompt 中提供几个示例（输入→输出对），让模型通过类比学习来处理新任务。

什么时候用： 格式化输出、分类任务、风格迁移等需要明确输出模式的场景。

是什么： 将一个复杂任务拆分成多个子 prompt，前一个的输出作为后一个的输入，形成流水线。

什么时候用： 复杂文档处理、多阶段生成、需要中间校验的工作流。

是什么： 让 Agent 交替进行”推理”和”行动”。先思考下一步该做什么，再执行动作，观察结果后继续推理。

什么时候用： 需要与外部环境交互的复杂任务，如搜索、数据查询、多步骤问题解决。

是什么： 赋予 LLM 调用外部工具（API、计算器、数据库等）的能力，扩展其能力边界。

什么时候用： LLM 自身能力不足的场景——实时数据获取、精确计算、代码执行等。

是什么： 用一个”路由器”模块分析用户意图，将请求分发给最合适的专用模型或处理链路。

什么时候用： 多功能系统、需要根据输入类型选择不同处理策略的场景。

是什么： 多个 AI Agent 协同工作，每个 Agent 有不同的角色和专长，通过消息传递协作完成任务。

什么时候用： 复杂项目（如软件开发、研究报告撰写）、需要多角度审视的任务。

是什么： 先从知识库中检索相关文档，再将检索结果作为上下文输入给 LLM 生成回答。

什么时候用： 企业知识问答、基于私有数据的对话、需要减少幻觉的场景。

是什么： 标准化协议，让 AI 应用以统一方式连接各种数据源和工具，类似 AI 世界的”USB 接口”。

什么时候用： 需要 AI 连接多个外部系统、构建可插拔工具生态的场景。

是什么： 在 RAG 基础上加入 Agent 能力，让系统能自主决定何时检索、检索什么、是否需要多轮检索。

什么时候用： 复杂知识问答、需要跨多个知识源综合推理的场景。

是什么： 在 AI 自动化流程中设置人工审核/确认节点，确保关键决策有人把关。

什么时候用： 高风险决策、内容发布、代码部署等需要人工确认的环节。

是什么： 为 AI 系统设置输入输出的安全边界和规则约束，防止产生有害或不符合预期的内容。

什么时候用： 面向用户的 AI 产品、需要合规控制的企业应用。