Agent Modes by Model Personality
问题
不同的AI模型在个性与工作风格上存在本质差异。以相同方式对待所有模型——期望它们表现完全一致——会导致次优结果。用户期望获得统一的交互界面,但Opus 4.5这类模型属于“急性子”,热衷于立刻执行命令,而GPT-5.2这类模型则显得“慵懒”,更倾向于在行动前开展充分调研。
方案
为每个模型的个性设计不同的Agent模式,而非强迫所有模型遵循单一交互模式。每种模式应具备独立的:
- UI/UX 模式(字体、提示词长度指引)
- 工具配置
- 预期设定
- 工作风格
核心洞见: 关键不在于模型选择,而在于不同的工作方式。
已识别的模型个性:
| 模型 | 个性特点 | 工作风格 | 适用场景 | |-------|-------------|---------------|----------| | Claude Opus 4.5 | 反应积极、互动性强 | 执行指令、主动提问、快速反馈循环 | 实时互动、快速往复的任务 | | GPT-5.2 | 偏向自主、严谨细致、深度研究者 | 独立运作45分钟以上、开展全面研究、返回详尽成果 | 范围明确的复杂问题、大型任务、信息检索工作 |
graph LR
A[用户请求] --> B{选择模式}
B -->|智能模式| C[Opus 4.5]
B -->|深度模式| D[GPT-5.2]
C --> E[互动式:快速反馈、快速迭代]
D --> F[自主式:提交后稍后查看]
E --> G[数分钟内出结果]
F --> H[45-60分钟内出结果]
模式差异化策略:
-
视觉/UI 差异化
- 不同模式使用不同字体
- 不同的提示词长度指引(深度模式要求最少100字以上)
- 营造“短信聊天 vs 写信”的不同使用感受
-
工具配置
- 智能模式:工具优先优化快速执行效率
- 深度模式:工具优先优化深度研究能力(例如:禁用需要用户反馈的提问工具)
-
预期设定
- 智能模式:“实时观察Agent工作过程”
- 深度模式:“提交任务后,60分钟后再来查看结果”
AMP平台示例:
AMP 设计了三种差异化模式:
- 智能模式:基于Opus 4.5,承担交互式助手工作
- 极速模式:基于Haiku,处理快速、要求不高的轻量任务
- 深度模式:基于GPT-5.2,负责深度研究与自主式任务
该团队刻意避免使用“模型选择器”下拉菜单,而是将这些选项包装为不同的工作模式。
如何使用
实施检查清单:
- [ ] 通过内部测试确定模型人格
- [ ] 创建模式名称:聚焦描述工作风格而非模型本身
- [ ] 差异化用户体验(UX):让每种模式具备独特的使用感受
- [ ] 按模式配置工具:针对模型优势进行优化适配
- [ ] 设定用户预期:明确说明各模式的适用场景
各模式适用场景:
智能模式(类Opus):
- 快速配置类任务
- 需快速迭代的调试工作
- 需要频繁人工反馈的任务
- 如“配置我的.zshrc并重新加载”这类轻量指令型任务
深度模式(类GPT-5.2):
- 范围明确的问题场景
- 需求清晰的大型任务
- 研究与信息收集类工作
- 如“排查该部署问题根源”这类深度分析型任务
提示词(Prompt)差异:
# 智能模式提示词
style: 对话式
length: 短至中等篇幅
feedback: 快速、交互式反馈
# 深度模式提示词
style: 详细说明式
length: 长篇幅(建议100词以上)
feedback: 最小化反馈,在任务末尾批量提交
权衡
优点:
- 针对各模型优势优化:效果优于一刀切方案
- 用户预期清晰:用户知晓与每种模式的交互方式
- 降低挫败感:无需违背模型的天然特性强行操作
- 结果表现出色:不同模型通过不同路径均可达成同样优质的结果
缺点:
- 复杂度提升:需维护并文档化多种模式
- 用户困惑:部分用户仅想要“最好的模型”
- 模型迭代风险:新版本会导致模型特性发生变化
- 测试成本增加:需独立验证每种模式的有效性
挑战:在文本框中传递预期
“全都是文本框,当整个界面都只有文本框时,真的很难在文本框里传递用户预期。”
核心挑战在于:不同模式需要用户建立完全不同的预期,但UI(文本框)的外观却完全一致。解决方案包括:
- 视觉区分(字体、颜色)
- 明确提示(如“深度模式需至少100字输入”)
- 在UI中加入模式专属引导
关键引用:
“两种模式或许都能达到相同结果。我甚至不能说深度模式总是更优,或者总是能写出更好的代码,但它们能产出同样出色的结果,只是路径不同——比如Opus总急着行动,它想立刻推进流程,想马上回复你并提问;而深度模式则会埋头直接完成任务。”
参考文献
围绕AI智能体的架构发展展开,核心观点为“助手式智能体已落幕,工厂式智能体将崛起”,同时关联Oracle与Worker多模型方法、渐进式自治模型演进两类相关技术内容。
- 《培育智能体第10集:助手已落幕,工厂式智能体当立》 - AMP(托尔斯滕·鲍尔、奎因·斯莱克,2025)
- 相关内容:《Oracle与Worker多模型方法》、《伴随模型演化的渐进式自治》