模式速查- 核心假设：任务依赖图中存在独立节点，并发执行可显著降低端到端延迟。- 关键约束：必须严格识别无依赖节点，需限制最大并发数以防资源耗尽。- 失败主因：强依赖任务强行并行导致死锁/不一致 + 部分失败未隔离导致整体阻塞。- 升级信号：多工具调用无时序要求、需批量处理数据、追求高吞吐响应时。- 首选框架：Asyncio / 线程池 → 分布式任务队列（Celery/Ray）。

模式速查- 核心假设：不同任务类型需匹配最优处理路径，单一模型无法高效覆盖所有场景。- 关键约束：分类器/规则需具备高召回率与低延迟，必须设置默认 fallback 路径。- 失败主因：语义误判导致任务错配 + 未知意图被丢弃 + 路由逻辑僵化。- 升级信号：业务线增多、能力模块解耦需求、需进行 A/B 测试或灰度发布时。- 首选框架：轻量级分类模型 / 嵌入相似度检索 → 动态路由网关。

提示词链速查- 核心假设：任务可线性分解，子任务间存在明确数据依赖- 关键约束：中间输出必须结构化（JSON/Schema），否则静默失败- 失败主因：错误静默传播 + 上下文窗口膨胀 + 校验缺失- 升级信号：出现条件分支/回溯修正/并行聚合需求时- 首选框架：LangChain（线性编排）→ LangGraph（图式状态机）

《Agent设计模式V1》前期分析中已经从分层和多视角出发，系统性地梳理了共计39种Agent设计模式：《39种设计模式分层清单》，《18种大模型视角设计模式卡片》，《21种Agent工程视角设计模式卡片》。本文作为该系列的总纲，不再以功能分层的方式罗列这些模式，而是采取一种缺陷驱动（Defect-Driven）的设计思路。具体而言，本文将以大语言模型（LLM）的固有局限为起点，逐一映射到智能体系

本文基于《Agentic Design Patterns》中文翻译项目的完整架构体系，从工程实现视角解析智能体系统构建方法论。

本文基于[《Agent Design Pattern Catalogue: A Collection of Architectural Patterns for Foundation Model based Agents》](https://arxiv.org/html/2405.10467v4)论文解读，从认知科学视角解析大模型智能体的"思维"机制。

在生成式 AI 辅助编程的发展过程中，逐渐凸显出一个核心矛盾：AI 的编码能力远超其对系统真实意图的理解能力。这种能力错位也使得“Vibe Coding”所带来的问题被开发人员快速发现——代码生成迅速、看似可用，却常常违背架构约束，导致后期维护成本激增。为应对这一挑战，开发者自然转向规范驱动开发（Spec-Driven Development, SDD）。

当 IDE 的 AI 助手不断的演进和发展，并已经能够理解意图、并在最小的心流干扰下生成代码甚至触发构建时，一个独立的 Terminal AI 是否还有其不可替代的存在价值？或者说，它的主战场究竟在哪里？