企业官网建设流程全解析

第3课：Agentic设计原则

📺配套视频：点击观看（点击课程页面的图片即可观看）
🌐中文支持：本课程的文字材料有完整的中文翻译。

📌 课程概览

前两课我们学习了AI Agent是什么（第1课），以及用什么框架来构建Agent（第2课）。但还有一个更重要的问题：什么样的Agent才算是一个“好”的Agent？

本课将带你了解一套以人为中心（Human-Centric）的UX设计原则——Agentic Design Principles（智能体设计原则）。这些原则不是死板的架构规范，而是帮助团队思考和构建Agent体验的起点和框架。

💡核心思想：生成式AI的设计中，“不确定性”不是bug，而是feature（特性）。工程师常常不知道从哪里开始——这些设计原则就是帮你找到起点的指南针。

🎯 学习目标

学完这一课，你应该能够：

1. 解释什么是Agentic设计原则
2. 说明实施这些原则的指导方针
3. 理解如何运用这些原则来构建Agent

一、Agent的总体目标：Agent应该做什么？

在深入具体原则之前，课程先给出了一个总体愿景：一个设计良好的Agent，应该能够做到以下四件事：

💡记住这个总体目标：所有的设计原则，最终都是为了实现这四个目标。如果一个设计让用户感觉“被替代”而不是“被赋能”，那它就违背了Agentic设计的初衷。

二、Agentic设计原则（三大维度）

课程将Agentic设计原则分为三个维度来理解：空间（Space）、时间（Time）、核心（Core）。这三个维度从不同角度回答了同一个问题：“如何设计一个让用户感觉舒适、可信、有价值的Agent？”

📐 维度一：Agent（空间 / Space）

这个维度关注的是Agent在物理世界和数字世界中如何与用户互动。它回答的问题是：“Agent应该以什么样的‘面貌’出现在用户面前？”

原则1：连接，而非取代（Connecting, not collapsing）

核心含义：Agent应该帮助连接人与人、连接人与事件、连接人与可操作的知识，促进协作和连接。

通俗理解：一个好的Agent不是要“取代”人类，而是要做人类之间的“桥梁”。

具体表现：

• Agent帮助连接事件、知识和人——比如，一个会议Agent不仅记录会议内容，还能把相关文档、参会人员、后续任务串联起来
• Agent让人们更紧密地联系在一起——比如，一个团队协作Agent能自动同步各成员的工作进度，减少信息孤岛
• Agent不是用来替代或贬低人的——它应该让人类感觉“我被赋能了”，而不是“我被替代了”

💡 设计思考：当你在设计Agent时，问自己——“这个功能是让用户变得更强大，还是让用户变得不再被需要？”

原则2：易获取，但适时隐身（Easily accessible yet occasionally invisible）

核心含义：Agent主要在后台运行，只在相关和适当的时候才“轻推”我们（nudge us）。

通俗理解：好的Agent像一位得体的管家——你需要的时候他就在身边，你不需要的时候他不会打扰你。

具体表现：

• Agent对授权用户在任何设备或平台上都易于发现和访问
• Agent支持多模态输入和输出（声音、语音、文字等）
• Agent可以无缝切换前后台、主动与被动模式，根据对用户需求的感知灵活调整
• Agent可能以不可见的形式运行，但其后台处理路径和与其他Agent的协作过程对用户透明且可控

💡关键洞察：“隐身”不等于“黑箱”。用户可以看不到Agent在运行，但一旦想看，应该能清楚地知道它在做什么、为什么这么做。

⏰ 维度二：Agent（时间 / Time）

这个维度关注的是Agent如何跨越过去、现在和未来来运作。它回答的问题是：“Agent如何在不同时间尺度上与用户互动？”

原则3：反思历史（Past - Reflecting on history）

核心含义：Agent应该分析更丰富的历史数据（不仅仅是单一事件、人员或状态），提供更相关的结果。

通俗理解：好的Agent有“记性”——它不只记得你刚才说了什么，还能从过去的交互中学习。

具体表现：

• Agent基于对更丰富历史数据的分析，提供更相关的结果——不只是“上次你订了去北京的机票”，而是“你过去三年每年夏天都去海边，今年要不要也考虑一下？”
• Agent从过去事件中建立连接，主动反思记忆来应对当前情境——比如，Agent记得你上次抱怨某家酒店的网络不好，这次推荐时会避开同一酒店集团

💡关键洞察：这里的“历史”不仅仅是对话历史，还包括用户的行为模式、偏好变化、过往反馈等更丰富的上下文。

原则4：轻推，而非通知（Now - Nudging more than notifying）

核心含义：当事件发生时，Agent超越静态通知或其他形式化的提醒，可以简化流程或动态生成线索，在正确的时机引导用户的注意力。

通俗理解：普通App给你“推送通知”（Notification）——叮一声告诉你发生了什么。好Agent给你“轻推”（Nudge）——在合适的时机、以合适的方式，引导你做出更好的决策。

具体表现：

• Agent提供基于上下文环境、社会和文化变化的信息，并根据用户意图进行定制
• Agent的交互可以是渐进式的，随着时间推移演化/增长复杂度，长期赋能用户

💡通知 vs 轻推的区别：

• 通知（Notification）：“您的航班延误了。”（冷冰冰的事实）
• 轻推（Nudge）：“您的航班延误了，我帮您查了一下，还有一班晚2小时的飞机，要帮您改签吗？”（带着解决方案的引导）

原则5：适应与演化（Future - Adapting and evolving）

核心含义：Agent应该适应用户行为、无障碍需求，并且可以自由定制。

通俗理解：好的Agent不是一成不变的，它会随着和用户的持续互动而“成长”。

具体表现：

• Agent适应各种设备、平台和交互方式
• Agent适应用户行为、无障碍需求，并且可自由定制
• Agent通过持续的用户交互被塑造和演化

🎯 维度三：Agent（核心 / Core）

这个维度关注的是Agent设计中最根本、最底层的要素。它回答的问题是：“无论Agent做什么、在什么时间做，都必须坚守什么？”

原则6：拥抱不确定性，但建立信任（Embrace uncertainty but establish trust）

核心含义：Agent的一定程度的不确定性是预料之中的，不确定性是Agent设计的关键要素。但信任和透明是Agent设计的基石。

通俗理解：AI天生就有不确定性——同样的问题可能得到不同的回答，有时甚至会犯错。好的设计不是假装AI不会犯错，而是让用户知道AI可能会犯错，并且让用户始终掌握控制权。

具体表现：

• 不确定性是特性，不是bug——Agent设计要接纳这一点，而不是试图消除它
• 信任和透明是基石——用户需要知道Agent的能力边界在哪里
• 人类始终掌控——用户控制Agent的开关，Agent的状态始终清晰可见

💡关键洞察：这一条原则是所有其他原则的“地基”。没有信任，连接、轻推、演化都无从谈起。

三、实施这些原则的指导方针（Guidelines）

有了设计原则，还需要具体的操作指南来落地。课程给出了三条核心指导方针：

方针1：透明度（Transparency）

核心含义：告知用户AI参与了交互、它是如何运作的（包括过去的行动），以及如何提供反馈和修改系统。

通俗理解：不要让用户猜——“这到底是个AI还是真人在和我说话？”要让用户清楚地知道自己在和谁打交道。

具体怎么做：

• 明确告知用户当前交互中有AI参与
• 解释Agent的功能和工作方式
• 展示Agent过去的行动记录（让用户能回溯）
• 提供清晰的反馈渠道（好评/差评、反馈按钮等）

方针2：控制权（Control）

核心含义：让用户能够定制、指定偏好和个性化设置，并控制系统和它的属性（包括“遗忘”的能力）。

通俗理解：用户应该是Agent的“主人”，而不是“乘客”。

具体怎么做：

• 允许用户修改系统提示词（System Prompt）
• 让用户选择Agent的详细程度（啰嗦还是简洁）
• 让用户选择写作风格
• 设定Agent不能谈论的话题边界
• 允许用户查看和删除相关文件、数据、提示词和历史对话

方针3：一致性（Consistency）

核心含义：在不同设备和端点上追求一致的、多模态的体验。尽可能使用熟悉的UI/UX元素，减少用户的认知负担。

通俗理解：别让用户在每个设备上都要重新学习怎么用你的Agent。

具体怎么做：

• 在不同设备上保持一致的体验
• 使用用户熟悉的UI元素（比如用麦克风图标表示语音输入）
• 提供简洁的响应
• 使用视觉辅助工具
• 提供“了解更多”的扩展内容（而不是把所有信息一次性塞给用户）

四、实战案例：用这些原则设计一个旅行Agent

课程用一个旅行Agent（Travel Agent）的例子，展示了如何将上述原则和指南应用到实际设计中。

场景设定

假设你要设计一个旅行Agent，帮助用户规划行程、预订航班和酒店。

应用设计原则和指南

🔍 透明度（Transparency）方面：

🎮 控制权（Control）方面：

🔄 一致性（Consistency）方面：

五、代码示例

⚠️说明：本课的代码示例主要是概念性的，用于演示如何将设计原则落实到代码层面。由于MAF（Microsoft Agent Framework）是较新的框架，具体的API细节可能随版本更新而变化，以下示例重点展示设计思路。

📝 代码示例1：在系统提示词中体现设计原则

下面的示例展示如何在Agent的系统提示词（System Prompt）中融入设计原则：

fromagent_frameworkimportAgentfromagent_framework.openaiimportOpenAIChatClient# 配置模型客户端client=OpenAIChatClient(model="gpt-4o-mini",azure_endpoint="你的Azure OpenAI终结点",api_key="你的API密钥",)# 设计原则驱动的系统提示词design_principles_prompt=""" 你是一个旅行助手Agent。你的设计遵循以下原则： ## 1. 连接，而非取代 - 你的目标是帮助用户更好地规划旅行，而不是替用户做所有决定 - 你应该提供信息和建议，让用户自己做最终选择 - 如果用户询问，你应该解释你的推荐理由 ## 2. 易获取，但适时隐身 - 用户需要时你随时响应 - 不要在用户没有询问时主动推送过多信息 - 只在相关和适当的时候提供额外建议 ## 3. 反思历史 - 记住用户在这次对话中的偏好（如：不喜欢红眼航班、偏好靠窗座位） - 在后续推荐中应用这些偏好 - 如果用户有历史对话记录，主动参考 ## 4. 轻推，而非通知 - 不只是告诉用户"有更便宜的航班" - 而是："我注意到有一班更便宜的航班，时间只差1小时，要帮您看看吗？" ## 5. 适应与演化 - 根据用户的反馈调整你的推荐风格 - 如果用户喜欢简洁的回答，就给出简练的回复 - 如果用户喜欢详细信息，就提供完整的对比分析 ## 6. 拥抱不确定性，建立信任 - 如果你不确定某个信息，请明确告知用户 - 例如："根据我的数据，这个酒店评分是4.5，但我建议您查看最新用户评价" - 始终让用户知道你的状态（正在思考、正在搜索等） - 用户可以随时要求你停止或改变方向 ## 透明度指南 - 告知用户你是AI助手 - 提供示例提示词帮助用户开始 - 显示用户的提问历史 - 提供清晰的反馈渠道 ## 控制权指南 - 用户可以修改你的回答风格 - 用户可以设定你不应该谈论的话题 - 用户可以查看和删除对话历史 ## 一致性指南 - 使用标准的UI元素和图标 - 在不同设备上提供一致的体验 """# 创建Agentagent=Agent(client=client,instructions=design_principles_prompt,)# 运行Agentresponse=agent.run("我想去三亚度假，有什么推荐吗？")print(response)

📊 预期运行结果：

您好！我是您的AI旅行助手。😊 根据您的需求，我为您推荐三亚作为度假目的地。以下是我的分析和建议： **推荐理由**： 1. 三亚有中国最美的海滩之一（亚龙湾、海棠湾） 2. 12月-2月是最佳旅行季节，气温25-30°C 3. 适合家庭度假、蜜月旅行或放松休闲 **住宿建议**（基于您的偏好，我会在后续对话中进一步了解）： - 亚龙湾：高端度假酒店集中，沙滩质量最好 - 海棠湾：较新开发的区域，有免税店 - 大东海：性价比高，交通便利 **温馨提示**： - 以上推荐基于我的数据分析，建议您在预订前查看最新的用户评价 - 如果您有特定偏好（如：预算范围、活动类型），请告诉我，我会调整推荐 - 您可以随时要求我更改推荐风格或提供更多细节 您对哪个方面更感兴趣呢？住宿、景点、还是美食？

💡运行结果解读：这个回应体现了多个设计原则——它告知了AI身份（透明度）、提供了后续操作的引导（轻推）、承认了信息可能存在不确定性（拥抱不确定性）、并邀请用户提供偏好以便后续适应（控制权）。

📝 代码示例2：在代码中实现“透明度”和“控制权”

下面的示例展示了如何通过代码来实现透明度（显示Agent状态）和控制权（让用户自定义Agent行为）：

importasynciofromtypingimportOptionalfromagent_frameworkimportAgentfromagent_framework.openaiimportOpenAIChatClientclassTransparentTravelAgent:"""一个体现透明度和控制权原则的旅行Agent"""def__init__(self):self.client=OpenAIChatClient(model="gpt-4o-mini",azure_endpoint="你的Azure OpenAI终结点",api_key="你的API密钥",)self.agent:Optional[Agent]=Noneself.conversation_history=[]self.user_preferences={"verbosity":"medium",# 详细程度：low / medium / high"style":"friendly",# 风格：friendly / professional / concise"forbidden_topics":[],# 禁止谈论的话题}self._initialize_agent()def_initialize_agent(self):"""根据用户偏好初始化Agent（体现控制权原则）"""# 根据用户偏好动态构建系统提示词（体现控制权）style_map={"friendly":"用友好、热情的语气，适当使用表情符号","professional":"用专业、客观的语气，提供结构化信息","concise":"用简洁的语气，只提供最关键的信息",}verbosity_map={"low":"提供简短的回答，只包含核心信息","medium":"提供适中的回答，包含主要细节","high":"提供详尽的回答，包含完整的分析和背景",}forbidden_instruction=""ifself.user_preferences["forbidden_topics"]:forbidden_instruction=f"绝对不要谈论以下话题：{', '.join(self.user_preferences['forbidden_topics'])}。"system_prompt=f""" 你是一个旅行助手Agent。 【风格要求】{style_map.get(self.user_preferences['style'],'友好热情')}【详细程度】{verbosity_map.get(self.user_preferences['verbosity'],'适中')}{forbidden_instruction}【透明度要求】 - 每次回答前，先告知用户你正在做什么（如："正在搜索航班信息..."） - 如果你不确定某个信息，请明确说明 - 回答结束后，提示用户可以给出反馈 【核心原则】 - 帮助用户做更好的决策，而不是替用户做决策 - 记住对话历史，在后续推荐中应用 - 适应用户的反馈不断调整 """self.agent=Agent(client=self.client,instructions=system_prompt,)print(f"✅ Agent已初始化。风格：{self.user_preferences['style']}，详细程度：{self.user_preferences['verbosity']}")asyncdefchat(self,user_input:str)->str:"""与Agent对话（体现透明度原则）"""# 透明度：显示Agent当前状态print("🤔 Agent状态：正在思考...")# 记录用户输入self.conversation_history.append({"role":"user","content":user_input})# 调用Agentresponse=awaitself.agent.run(user_input)# 记录Agent响应self.conversation_history.append({"role":"assistant","content":response})# 透明度：显示完成状态print("✅ Agent状态：已完成响应")returnresponsedefupdate_preferences(self,verbosity:Optional[str]=None,style:Optional[str]=None,add_forbidden:Optional[str]=None):"""更新用户偏好（体现控制权原则）"""ifverbosity:self.user_preferences["verbosity"]=verbosityifstyle:self.user_preferences["style"]=styleifadd_forbidden:self.user_preferences["forbidden_topics"].append(add_forbidden)# 重新初始化Agent以应用新偏好self._initialize_agent()print("✅ 偏好已更新，Agent已重新配置")# 使用示例asyncdefmain():agent=TransparentTravelAgent()# 第一轮对话print("\n"+"="*50)print("第一轮对话")print("="*50)response=awaitagent.chat("推荐一个适合冬天去的国内城市")print(f"Agent:{response}\n")# 用户行使控制权：修改偏好print("\n"+"="*50)print("用户修改偏好：更简洁、更专业")print("="*50)agent.update_preferences(verbosity="low",style="professional")# 第二轮对话 - 体现适应与演化print("\n"+"="*50)print("第二轮对话（偏好已更新）")print("="*50)response=awaitagent.chat("再推荐一个适合冬天去的国内城市")print(f"Agent:{response}")if__name__=="__main__":asyncio.run(main())

📊 预期运行结果：

✅ Agent已初始化。风格：friendly，详细程度：medium ================================================== 第一轮对话 ================================================== 🤔 Agent状态：正在思考... ✅ Agent状态：已完成响应 Agent: 您好！😊 冬天去旅行的话，我强烈推荐三亚！ 三亚12月-2月的气温在25-30°C之间，非常适合避寒。 亚龙湾的沙滩特别美，海棠湾还有免税店可以购物。 如果您想了解更多细节，比如酒店推荐或景点攻略，随时告诉我哦！ ================================================== 用户修改偏好：更简洁、更专业 ================================================== ✅ Agent已初始化。风格：professional，详细程度：low ✅ 偏好已更新，Agent已重新配置 ================================================== 第二轮对话（偏好已更新） ================================================== 🤔 Agent状态：正在思考... ✅ Agent状态：已完成响应 Agent: 推荐厦门。冬季均温15-20°C，适合游览鼓浪屿和环岛路。

💡运行结果解读：

• 透明度：Agent在每次响应前显示“正在思考…”，完成后显示“已完成响应”，让用户知道Agent的状态
• 控制权：用户通过update_preferences()方法修改了Agent的风格（从“友好”变为“专业”）和详细程度（从“中等”变为“简洁”），Agent立即适应
• 适应与演化：第二轮对话中，Agent的回应风格明显变得更加简洁和专业

📝 代码示例3：实现“轻推而非通知”

这个示例展示Agent如何从简单的“通知”升级为“轻推”：

# 对比：通知 vs 轻推# ❌ 坏例子：纯通知（Notification）defbad_notification(flight_status):"""只是告诉用户一个事实"""returnf"您的航班CA1234已延误。"# ✅ 好例子：轻推（Nudge）defgood_nudge(flight_status,user_context):""" 不仅告诉用户事实，还提供可操作的选项， 并根据用户的历史偏好做个性化建议 """message=f"您的航班CA1234已延误。"# 轻推：提供解决方案ifuser_context.get("has_flexible_schedule"):message+=" 我查了一下，还有一班CA5678在2小时后起飞，要帮您改签吗？"else:message+=" 建议您尽快联系航空公司确认后续安排。"# 轻推：主动帮助message+=" 需要我帮您查询其他航班选项吗？"returnmessage# 使用示例user_context={"has_flexible_schedule":True}print(good_nudge("延误",user_context))

📊 预期运行结果：

您的航班CA1234已延误。我查了一下，还有一班CA5678在2小时后起飞，要帮您改签吗？需要我帮您查询其他航班选项吗？

💡运行结果解读：好的Agent不只是告诉你“发生了什么”（通知），还会帮你思考“接下来怎么办”（轻推），并提供可操作的建议。

六、设计原则速查表

三条实施指南速查

💡 本课核心要点速查表