本文永久链接 – https://tonybai.com/2026/01/13/agent-native-architecture

大家好，我是Tony Bai。

软件智能体（Software Agents）现在已经能够可靠地工作了。Claude Code 证明了，只要赋予一个大语言模型（LLM）访问 Bash 和文件系统的权限，并让它在一个循环中运行直到达成目标，它就能自主完成复杂的多步骤任务。

而这里有一个令人惊讶的发现：一个优秀的编程 Agent，本质上就是一个优秀的通用 Agent。

支撑 Claude Code 重构代码库的同一套架构，同样可以用来整理你的文件、管理阅读列表，或自动化你的工作流。通过 Claude Code SDK、Google adk-go等，这种能力变得触手可及。你可以构建一种全新的应用：其功能不再是你写死的代码，而是你描述的结果（Outcome）——由一个装备了工具的 Agent，在一个循环中自主实现。

这开启了一个全新的领域：软件开始像 Claude Code 一样工作，但应用场景远超编程。这就是 Anthropic 与 Dan Shipper 联合发布的最新架构理念 —— Agent-native Architecture（智能体原生架构）。

本文将深入拆解这份文档中的核心原则与架构模式，带你领略这一前沿范式。

核心原则

要构建 Agent-native 应用，我们需要遵循以下 5 大核心原则：

平权 (Parity)

原则： 用户通过 UI 能做的任何事，Agent 必须能通过工具（Tools）完成。

这是基石。如果没有平权，其他一切都无从谈起。你必须确保 Agent 拥有一套完整的工具集，能够覆盖 UI 的所有能力。

随机挑选一个 UI 动作。Agent 能完成吗？这是验证这一原则的测试标准！

颗粒度 (Granularity)

原则： 工具应该是原子级（Atomic）的原语。功能特性（Features）是由 Agent 在循环中通过组合工具达成的结果。

工具是基本能力。功能特性是 Prompt 描述的一个结果，由 Agent 动态组合工具来实现。

要改变软件的行为，你是通过修改 Prompt，还是重构代码？如果是前者，说明颗粒度对了。

可组合性 (Composability)

原则： 拥有了原子工具和平权，你可以仅通过编写新 Prompt 来创造新功能。

比如：想要一个“每周回顾”功能？这只是一个 Prompt：

“检查本周修改过的文件。总结关键变更。基于未完成项和截止日期，建议下周的三个优先级事项。”

Agent 会自动调用 list_files、read_file 并结合自身判断力。你描述结果，Agent 负责循环执行。

涌现能力 (Emergent Capability)

原则： Agent 可以完成你从未显式设计过的任务。

这是 Agent-native 的飞轮效应：

  1. 你构建原子工具和平权能力。
  2. 用户提出了你未预料到的需求。
  3. Agent 组合工具完成了任务（或失败，揭示了工具缺口）。
  4. 你观察模式，添加领域工具或专用 Prompt 来优化。
  5. 重复上述过程。

然后，通过观察你的应用能处理领域内的开放式请求，来验证Agent是否具备这种涌现能力。

随时间进化 (Improvement over time)

原则： Agent-native 应用通过积累上下文和 Prompt 优化而变得更好，而无需重新发版。

与传统软件不同，Agent-native的应用可以通过以下方式自我进化：

  • 积累上下文： 状态通过上下文文件（Context Files）跨会话持久化。
  • 开发者级优化： 你推送更新的 Prompt，所有用户受益。
  • 用户级定制： 用户修改 Prompt 以适应自己的工作流。

实践中的原则

有了原则，我们要如何落地？以下是具体的工程实践指南。

解决“平权”问题

想象一个笔记 App。用户说：“总结我关于这次会议的笔记，并标记为紧急。”

如果 UI 能做，但 Agent 做不到，Agent 就会卡住。

修正方案： 建立一张能力映射表（Capability Map）。

每当添加一个 UI 功能时，都要问：Agent 能达成这个结果吗？如果不能，添加相应的原语工具。将这作为一条工程纪律遵守和贯彻！

解决“颗粒度”问题：原子化 vs 捆绑逻辑

要知道：Agent 追求的是通过判断力（Judgment）达成结果，而不是执行死板的序列。

  • ❌ 错误做法（捆绑逻辑）：
    • 工具：classify_and_organize_files(files)
    • 问题：决策逻辑是你写死的代码(充斥着if、else等)。要改变行为，必须重构代码。灵活性差。
  • ✅ 正确做法（原子化）：
    • 工具：read_file, write_file, move_file, bash
    • Prompt：“整理下载文件夹…”
    • 优势：Agent 负责决策并组合工具完成。要改变行为，只需修改 Prompt。Agent 拥有了更强地灵活性。

演进路线：从原语到领域工具

一开始，只提供纯粹的原语（Bash, 文件操作）。这能证明架构可行，并揭示 Agent 真正需要什么。

当模式涌现后，有意识地添加领域工具（Domain Tools）：

  1. 词汇表 (Vocabulary)： create_note 工具教会了 Agent 你的系统中“笔记”是什么。
  2. 护栏 (Guardrails)： 某些操作需要验证，不应完全交给 Agent 判断。
  3. 效率 (Efficiency)： 将常用操作打包，提升速度和降低成本。

领域工具的规则： 它们应该代表用户视角的一个概念性动作。它们可以包含机械验证，但不要包含“做什么”或“是否做”的判断——这属于 Prompt。同时，默认保持原语可用，不要为了这种封装而关闭底层权限，除非有安全理由。

升级成为代码 (Graduating to Code)

有些操作因为性能或可靠性原因，需要从“Agent 编排”升级成为“优化代码”。

  1. 阶段 1： Agent 在循环中使用原语（灵活，验证概念）。
  2. 阶段 2： 添加领域工具（更快，但仍由 Agent 编排）。
  3. 阶段 3： 针对热点路径，用优化代码实现（极快，确定性）。

注意： 即使升级为代码，操作时，Agent 仍应保留直接触发该代码的能力，并保留回退到原语的能力以处理边缘情况。

架构模式：文件即通用接口

为什么 Claude Code 如此依赖文件系统？因为 Bash + Filesystem 是最经受考验的 Agent 接口。

  • 已知的： Agent 天生懂 cat, grep, mv。
  • 可检查的： 用户能直接看到、编辑、移动文件。没有黑盒。
  • 可移植的： 导出和备份极其简单。
  • 自文档化： /projects/acme/notes/ 这种路径本身就携带了语义，比 SELECT * FROM notes WHERE id=123 更容易让 Agent 理解。

实体作用域目录 (Entity-scoped directories)

这是一种推荐的文件结构模式：

{entity_type}/{entity_id}/
├── primary content  (主内容)
├── metadata         (元数据)
└── related materials (相关素材)

例如：Research/books/{bookId}/ 包含全文、笔记、来源和 Agent 日志。

context.md 模式

Agent 需要知道它在处理什么。系统 Prompt 应该注入以下内容：

  • 可用资源：
    “`markdown
    ## Available Data

    • 12 notes in /notes
    • 3 active projects in /projects
    • Preferences at /preferences.md
      “`
  • 能力 (Capabilities)： 描述它能做什么（创建、搜索、整理）。
  • 最近活动 (Recent Activity)： 用户刚刚做了什么，Agent 上一步做了什么。

文件 vs 数据库

  • 用文件： 用户需要读写的内容、配置、Agent 生成的内容、大文本。
  • 用数据库： 高频结构化数据、复杂查询、临时状态（Session/Cache）、强关系数据。

冲突处理： 建议采用 Shared Workspace 模式。Agent 和用户在同一个数据空间工作，不搞沙盒。这需要处理并发写入（如 Last-write-wins 或文件锁）。

成功标准与反模式

在构建 Agent-native 应用时，我们经常会不自觉地滑回传统的软件工程思维。以下是具体的反模式对照表：

Agent 作为路由器 (Agent as Router)

  • 反模式： Agent 的唯一工作就是分析用户意图，然后调用一个写死的 run_workflow() 函数。
  • 问题： 你把 Agent 的智能降级成了 if/else。如果用户需求稍微偏离你的预设（例如：“这次运行工作流但跳过最后一步”），系统就会崩溃。
  • 正确姿势： Agent 应该负责执行，而不仅仅是路由。它应该拥有组成该工作流的原子工具，并根据情况决定调用顺序。

“请求/响应”思维 (Request/Response Thinking)

  • 反模式： 认为 Agent 就像一个 API：给一个输入，它吐出一个输出。
  • 问题： 这完全丢失了 Master Loop（Agent主循环） 的价值。真正的 Agent 是追求结果（Outcome）的。它可能会尝试、失败、分析错误、再尝试，直到结果达成。
  • 正确姿势： 给 Agent 一个目标，让它在一个循环中运行，并在过程中处理意外情况。

防御性工具设计 (Defensive Tool Design)

  • 反模式： 你因为习惯了防御性编程，所以把工具的输入限制得很死（例如：严格的 Enums，层层校验）。
  • 问题： 这虽然安全，但也扼杀了涌现能力。Agent 无法用你没想到的方式使用工具。
  • 正确姿势： 默认保持工具开放。除非有明确的安全风险（如删库），否则允许 Agent 传入任何它认为合理的参数。

工作流形状的工具 (Workflow-shaped Tools)

  • 反模式： 创建一个名为 analyze_and_organize_files() 的工具。
  • 问题： 你把“判断逻辑”捆绑进了工具里。如果要改变组织方式，必须重写代码。
  • 正确姿势： 拆解为 read、analyze、move。让 Agent 在运行时决定如何组织。

“幸福路径”思维 (Happy Path in Code)

  • 反模式： 在代码里写死了所有边缘情况的处理逻辑（if error_code == 500: retry）。
  • 问题： 如果代码处理了所有边缘情况，Agent 就只是一个无脑调用者。
  • 正确姿势： Agent-native 架构允许 Agent 用判断力处理边缘情况。如果遇到 500 错误，Agent 可以决定是重试、还是检查网络、还是通知用户。

成功的终极测试 (The Ultimate Test)

描述一个你的应用领域内的结果，但针对一个你从未专门开发过的功能。

看看Agent 能否通过在一个循环中运行，自主搞定它？如果能，你构建的就是一个真正的 Agent-native 应用。

小结：把判断力还给 Agent

当我们谈论 Agent-native 时，我们到底在谈论什么？

其实，这是一场关于“控制权移交”的变革。在传统的软件工程中，程序员试图用代码穷尽所有的逻辑分支，我们追求的是确定性。但在 Agent-native 的世界里，我们学会了放手。

我们不再编写死板的“步骤”，而是提供灵活的“原语”。我们把“如何做（How）”的判断力，从代码中剥离出来，归还给了 Agent。

  • 平权 让 Agent 拥有了和人一样的行动力。
  • 颗粒度 赋予了 Agent 自由组合的能力。
  • 涌现 让我们看到了软件在设计之外的可能性。

这并不意味着代码不重要了，而是代码的角色变了——从“指挥官”变成了“军火库”。你负责提供精良的武器（工具），而 Agent 负责在前线根据战况（上下文）灵活作战。

这，才是 AI 时代软件架构的终极形态。

资料链接：https://every.to/guides/agent-native

你的 Agent 构想

Agent-native 架构为我们打开了一扇通往无限可能的大门。如果让你用这种架构重新设计你最熟悉的一个应用（比如待办清单、邮件客户端），你会赋予它哪些以前做不到的“涌现能力”？

欢迎在评论区分享你的脑洞！ 让我们一起畅想软件的未来形态。

如果这篇文章颠覆了你对软件架构的认知，别忘了点个【赞】和【在看】，并转发给你的产品经理和架构师朋友！

体验最成功的Agent-native应用

Agent-native 不仅仅是一种架构，更是一种全新的开发体验。而目前市面上最成熟、最顶级的 Agent-native 实践，就是 Claude Code 本身。

想要真正理解什么是“原子化工具”？什么是“循环中的判断力”？最好的方式不是空谈理论，而是亲自去体验一个优秀的 Agent 是如何工作的。

欢迎关注我的极客时间专栏《AI 原生开发工作流实战》。我们将深入 Claude Code 的实战场景，带你亲眼见证它如何利用这些架构原则，把一个模糊的需求变成完美运行的代码。

扫描下方二维码，开启你的AI原生开发之旅。

你的Go技能，是否也卡在了“熟练”到“精通”的瓶颈期？

  • 想写出更地道、更健壮的Go代码，却总在细节上踩坑？
  • 渴望提升软件设计能力，驾驭复杂Go项目却缺乏章法？
  • 想打造生产级的Go服务，却在工程化实践中屡屡受挫？

继《Go语言第一课》后，我的《Go语言进阶课》终于在极客时间与大家见面了！

我的全新极客时间专栏 《Tony Bai·Go语言进阶课》就是为这样的你量身打造！30+讲硬核内容，带你夯实语法认知，提升设计思维，锻造工程实践能力，更有实战项目串讲。

目标只有一个：助你完成从“Go熟练工”到“Go专家”的蜕变！ 现在就加入，让你的Go技能再上一个新台阶！

商务合作方式：撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求，请扫描下方公众号二维码，与我私信联系。

© 2026, bigwhite. 版权所有.

Related posts:

  1. 拆解 Claude Code：Coding Agent 终于“能用”背后的架构真相
  2. 刚刚，Claude Code 作者曝光了自己的“私房”配置：原来顶尖高手是这样用 AI 写代码的！
  3. 继 MCP 之后，Anthropic 再放大招：Agent Skills 正式发布为开放标准！
  4. 想用Go复刻“Claude Code”？那你得先补上TUI这一课
  5. 你的 AI Agent 为何总“犯傻”？构建生产级 Agent 所需的6大工程原则