【学习笔记】Agentic 设计模式（六）：附录 A–G 速览——提示工程 / GUI 真实环境 / 框架 / AgentSpace / CLI / 推理引擎 / Coding Agent

整理日期：2026-07-01 涵盖范围：附录 A–G（本书 ~74 页参考资料向内容） 说明：这是 Agentic 设计模式系列总览 的第六篇、也是末篇。附录不是「核心 21 模式」，而是横向参考资料——提示工程方法库、框架选型、CLI/Coding Agent 工具图鉴、推理引擎内幕。本篇采用「速览」形式，每则附录给定位、要点和坑。附录 F 的「模型自述推理」是模型行为模式示例、非内部计算的真实描述，请注意这一警示。内容基于本书英文原书（经 xindoo 中文版核实）。标注「（未确认）」处以英文原书为准。

一、核心结论（太长不看）

1. 附录是横向参考资料，不是新模式：A 讲方法库（提示工程）、B/C/E/G 讲工具与图鉴（GUI/框架/CLI/Coding Agent）、D 讲无代码平台、F 讲推理内幕。读完能补齐「实战落地」所需的具体手段与选型。
2. 附录 A 的要点是「提示即工程」：覆盖零/少样本、结构化输出（JSON + Pydantic）、CoT/自洽/Step-back/ToT、ReAct、APE、persona 等全谱系。⚠️ 一个趋势信号——「context engineering（上下文工程）」正在取代「prompt engineering」成为新术语；结构化输出不是便利而是组件/Agent 间可靠通信的必需。
3. 附录 B 把 Agent 环境分两类：Agent-Computer Interface / GUI 自动化（Operator、Mariner、Computer Use、Browser Use）和多模态/具身环境（Astra、Gemini Live、GPT-4o、ChatGPT Agent）。还讲了 vibe coding（Karpathy 推广的高层目标驱动迭代式 AI 编程范式）。⚠️ GUI 自动化对 UI 变化脆（远不如稳定 API）。
4. 附录 C 是一份框架选型表：12 个框架的核心权衡是「细粒度图控制（LangGraph）vs 引导式平台简单（CrewAI/ADK）vs 数据中心（LlamaIndex）」。选型看你要简单序列、动态推理循环、还是托管专家团队。
5. 附录 E 四大 CLI 各有所长：Claude Code（架构级深度 + MCP 扩展）、Gemini CLI（开源 + 多模态 + 大上下文）、Aider（Git 中心、直接改文件自动提交）、Copilot CLI（GitHub 生态原生）。无单一最优。Terminal-Bench 是评测 CLI Agent 能力的基准。
6. 附录 F 的关键警示：本书让 Gemini/ChatGPT/Grok/Kimi/Claude/DeepSeek 自述推理步骤，发现六者收敛到「解构→模式识别检索→选推理法→CoT 模拟思考→构造响应→审查精修」的多阶段框架——这正是 CoT 范式让 LLM 适合当 Agent 计算核心的原因。⚠️ 但这是模型的自述行为示例，不是内部计算的真实描述；LLM 推理是模拟/概率的，貌似合理 ≠ 正确。
7. 附录 G 把 Coding Agent 定位成「人主导的专家 Agent 团队」：开发者是架构师/最终裁决者，Agent 是支持协作者。三原则——人主导编排、上下文至上（输入质量决定输出质量）、直连前沿模型。把 vibe coding 当快速原型手段，但稳健可维护的软件要结构化 Agent 团队。

来源：xindoo 中文版 附录 A–G

二、附录 A：高级提示技术

定位

一份全面的工程参考，把通用 LLM 变成专门、可靠的工具——把提示当有纪律的工程，而非「随便问问题」。

要点（全谱系）

• 核心原则：清晰具体、简洁、强动词、指令优于约束（正向指令胜过负向约束）、实验迭代。
• 基础：Zero-shot、One-shot、Few-shot。
• 结构化：system prompt、角色提示、分隔符、context engineering、结构化输出（JSON + Pydantic 校验）。
• 推理：CoT、自洽（self-consistency）、Step-back prompting、ToT。
• 行动/交互：Tool use / function calling、ReAct。
• 高级：APE（自动提示工程）、迭代精修、负例、类比、分解、RAG、persona patterns、Google Gems、用 LLM 改进 prompt（元方法）。
• 任务特定：代码提示、多模态提示。

坑

• 过度复杂的 prompt 反而让模型困惑。
• 负向约束可能适得其反。
• ⚠️ 结构化输出（JSON+Pydantic）不是便利而是组件/Agent 间可靠通信的必需。
• few-shot 样本塑造语气/风格，和塑造正确性一样重要。

来源：xindoo 中文版 Appendix A

三、附录 B：从 GUI 到真实环境

定位

调研 Agent 如何与数字界面（Agent-Computer Interface / GUI 自动化）和物理/多模态环境交互，外加 vibe coding 范式。

要点（两个交互域）

① Agent-Computer Interface (ACI) / GUI 自动化：视觉感知（截图）→ GUI 元素识别 → 上下文理解 → 动态执行（鼠标/键盘控制）+ 持续视觉反馈。代表系统：ChatGPT Operator（OpenAI）、Google Project Mariner（Chrome 浏览器 Agent）、Anthropic Computer Use（Claude 靠截图 + 鼠标键盘控制桌面）、Browser Use（开源、DOM 浏览器自动化）。

② Agent-环境（多模态/具身）：Google Project Astra（靠摄像头/麦克风看听，实时多模态助手）、Gemini Live（低延迟对话、可打断、摄像头/屏幕/文件输入）、OpenAI GPT-4o（全模态语音/视觉/文本推理、Realtime API）、OpenAI ChatGPT Agent（自治浏览 + 代码执行 + 第三方应用交互，内置授权安全防护）、Microsoft Seeing AI（视障辅助 App）、Anthropic Claude 4（强视觉 + 多步分析）。

Vibe coding：对话式、迭代、高层目标驱动的 AI 编程协作（重意图/「vibe」轻逐步规格）；迭代精修；AI 当创意伙伴；可选记忆库。由 GPT-4/Claude/Gemini 在开发环境里促成。

坑

• ⚠️ GUI 自动化对 UI 变化脆（远不如稳定 API）。
• 全模态 Agent 带来新安全/滥用问题（ChatGPT Agent 配系统卡 + 需用户授权某些动作）。
• vibe coding 降低门槛但无结构化跟进时风险低质量/不可维护代码。

来源：xindoo 中文版 Appendix B

四、附录 C：框架概览

定位

一份主要 Agent 构建框架及其权衡的对比调研，指导框架选型。

要点（12 框架）

核心权衡（本书论点）

细粒度图控制（LangGraph）vs 引导式平台简单（CrewAI/ADK）vs 数据中心（LlamaIndex）。选型取决于你要简单序列、动态推理循环、还是托管专家团队。

来源：xindoo 中文版 Appendix C

五、附录 D：用 AgentSpace 构建 Agent

定位

一份在 Google AgentSpace（「Agent 驱动的企业」平台）上无代码构建 Agent 的实战指南。仅在线提供。

要点

AgentSpace 用 Gemini 对组织数字资产（文档、邮件、DB）做统一搜索，建企业知识图谱（映射人/文档/数据关系），并提供 Agent Designer——一个无代码 UI，可创建连接服务（Calendar、Gmail、Workday、Jira、Outlook、ServiceNow）的 Agent，用自定义或 Google 预置 prompt 库。支持经 A2A 协议的多 Agent 协作。安全靠 RBAC + 加密。经 Google Cloud Console → AI Applications 访问。

坑

• 云平台锁定（Google 生态）。
• 无代码抽象隐藏技术复杂度（控制更少）。

来源：xindoo 中文版 Appendix D

六、附录 E：CLI 上的 AI Agent

定位

调研四大 AI Agent 命令行界面，以及它们如何把终端变成协作工作台。

要点（四 CLI 对比）

Terminal-Bench：测 CLI Agent 熟练度的基准框架（Terminal-Bench-Core-v0 = 80 个人类设计任务；「Terminus」最小 Agent 当标准化测试床）；终端是理想的 Agent 文本沙箱环境。

坑

• 无单一最优工具——各有强项：Claude=架构、Gemini=多模态通用、Aider=Git 中心直接、Copilot=GitHub 工作流。

来源：xindoo 中文版 Appendix E · Terminal-Bench

七、附录 F：推理引擎内幕

定位

探索主流 LLM（Agent 的认知核心）的内部推理机制——让每个模型自述其逐步推理过程。

要点（六模型自述 + 收敛框架）

本书向 Gemini、ChatGPT、Grok、Kimi、Claude、DeepSeek 提「逐步解释你怎么推理」并综合其（自述）答案。收敛的多阶段框架：① 解构 prompt（意图、约束）；② 靠模式识别（非数据库查询）做信息检索/综合；③ 选推理方法；④ 经 CoT 模拟思考；⑤ 构造响应（格式/语气/指令遵循）；⑥ 审查精修。Claude（宪法/分析式）和 DeepSeek（经 <think> token 显式暴露 CoT——可见推理轨迹）有额外细节。

关键洞见（本书结论）

所有主流模型共享一个高度一致的、根植于 CoT 范式的多阶段推理框架。这种系统化处理正是让 LLM 适合当自治 Agent 的中央「计算心智」（规划者/决策者）的原因。提升这种模拟推理的可靠性是更强大、可信 Agent 的关键。

⚠️ 关键警示

这些是模型对自身推理的自述——是行为模式示例，不是内部计算的真实描述。LLM 推理是模拟/概率的，非符号逻辑；貌似合理 ≠ 正确。

来源：xindoo 中文版 Appendix F

八、附录 G：Coding Agent

定位

一个组织「人主导的专家 Coding Agent 团队」的框架——从原始 vibe coding 进化成开发者当编排者/架构师的结构化人机协作。

要点（「增强团队」框架，三原则）

1. 人主导编排：开发者是团队负责人/架构师/最终决策者；Agent 是支持协作者；开发者始终持有最终裁决。
2. 上下文至上：Agent 输出质量直接镜像输入质量——优先精心的人管上下文（全代码库 + 外部知识 + 人工任务简报），避免自动化黑箱上下文检索。
3. 直连模型：Agent 必须由前沿模型（Gemini 2.5 Pro、Claude Opus 4、OpenAI、DeepSeek）驱动，用最干净通道——弱模型或搅浑上下文的中间件会降性能。

专家 Agent 团队（按角色 prompt 调用）：Scaffold/Implementation（按规格写代码）、Test Engineer（单测/集成/E2E）、Documenter（API/技术文档）、Optimizer（重构/性能）、Reviewer/Process（既做批评类静态分析，又做元反思——优先级排序、滤琐碎、给可执行摘要）。上下文准备放专门 task-context/ 目录配 01_BRIEF.md。

实施清单：2+ 前沿模型 API key（双厂商对比/韧性）、轻量本地上下文编排器（context.toml）、Git 里版本化的 /prompts prompt 库、Git hook 集成（如 pre-commit 触发 reviewer Agent）。

行业锚点

Sundar Pichai（2025）：Google 新代码 >30% 由 Gemini 协助/生成；Satya Nadella：微软约 30% 代码 AI 生成。论点是「增强胜于替代」——人拥有架构/创造性解题；Agent 做专门、可规模化的任务（测试、文档、评审）。Vibe coding 定位为快速构思/原型手段（治空白页瘫痪、探不熟 API），但稳健可维护软件要结构化 Agent 团队。

来源：xindoo 中文版 Appendix G

九、按用途选型决策表

一句话总原则：附录是「实战落地」的工具箱与图鉴——A 给方法、C 给框架、E/G 给工具、B/F 给认知；按你卡在「不会提示 / 不会选框架 / 不会选工具 / 不懂原理」哪一环去取。

十、参考资料

原书与翻译

• evoiz/Agentic-Design-Patterns（官方仓库） · xindoo 中文翻译版

附录涉及的工具与基准

• Terminal-Bench · Anthropic Computer Use · Browser Use

姊妹篇

• 系列总览：《Agentic Design Patterns 系列总览》
• 上篇：《（五）：企业级七模式》
• 全系列：（一）核心组合 · （二）推理四模式 · （三）高级模式 · （四）生产模式 · （五）企业模式 · （六）本文