Advisor Pattern（顾问模式）

顾问模式（Advisor Pattern），在 Anthropic Claude Managed Agents 语境中（参见 Agent Automation）也称为 Advisor Strategy（顾问策略），是一种针对高频、复杂业务场景设计的混合模型分层编排模式。

该模式的核心原则是：常规全流程由经济高效的模型（如 Claude Sonnet）端到端主导；仅当主执行模型在决策断点遇到无法自主确定的疑难边界时，才主动向上唤醒顶级大模型（如 Claude Opus）提供指导。顶级顾问只提供策略与纠偏，不接管端到端繁重执行，主模型在采纳建议后独立完成任务。

现实挑战：成本与高阶判断力的两难

在构建生产级持续运行的 Agent Automation 时，高频业务 Agent（例如每小时扫描收件箱并起草针对性回复的邮件智能体）面临尖锐的工程两难：

全量顶配方案（All-Opus）：每封客户邮件千差万别，涉及复杂的商业语境与条款权衡，理论上需要最强模型的理解力；但此类 Agent 贯穿整个工作日高频触发，全流程运行 Opus 会带来巨大的 Token 开销与响应延迟；
全量降配方案（All-Sonnet）：虽然成本极低、吞吐极高，但在处理包含特殊条款、非标合同诉求或高风险情绪的客户边缘场景时，容易因判断力不足导致草案失误，破坏客户信任。

顾问模式通过将“日常执行”与“决策仲裁”分离，打破了这一两难。

Advisor Loop 机制与时序

在典型的顾问循环中，执行权始终由主 Agent 保持，顾问仅作为 按需咨询（On-Demand Consultation） 节点存在：

flowchart TB
    IN["新业务输入
（如新客户邮件）"] --> MAIN["主执行 Agent（Sonnet）
端到端运行：读历史、查知识库、起草回复"]

    MAIN --> COND{"是否遇到自身无法决定的
疑难决策或边缘情况？"}

    COND --"否（日常标准流程）"--> FINISH["直接完成草稿生成"]

    COND --"是（主动求助）"--> ASK["发送上下文与已推进展"]

    subgraph AdvisorBox["Advisor 顾问层（Opus）"]
        ASK --> ADVISOR["Advisor 读取历史与上下文
（只给指导，不亲自重写全部内容）"]
        ADVISOR --> RES["返回指导信号：
1. Plan（行动计划）
2. Correction（纠偏建议）
3. Stop Signal（终止/升级信号）"]
    end

    RES -->|"反馈给主 Agent"| MAIN_FINISH["主执行 Agent 消化建议
完成最终交付物"]

    FINISH --> OUT["交付物进入 Gmail 草稿
供人类最终审查"]
    MAIN_FINISH --> OUT

核心设计规则

执行模型自主决定求助时机（Worker-Initiated Pull）：主 Agent（如 Henji）全权掌控端到端逻辑，由其内部提示词与置信度阈值自主判定何时触发求助。任务的大多数常规环节完全停留在 Sonnet，无需外部规则预先拆解。
顾问仅提供指导，不替工（Advises, Not Replaces）：Advisor（Opus）不从头重写整封邮件，而是阅读上下文后返回三类高度凝练的指导信号：
- Plan（执行计划）：针对非标准业务诉求拆解推荐的处理策略与沟通重点；
- Correction（纠偏指令）：指出主 Agent 预备方案中偏离公司规范、定价条款或沟通语调之处；
- Stop Signal（终止信号）：当发现涉及极其敏感的法律合规冲突或高危商业风险时，明确指示中断自动回复，直接抛出异常并升级人工处理。
闭环吸收与交付：主 Agent 收到指导后，将其转化为具体文案或动作，最终草稿依然由主 Agent 生成并交人类审查。

模型选型与 Effort Level（思考努力程度）矩阵

在 Anthropic 日本团队的 Nakama 舰队实践中，顾问模式与多模型协同、Effort Level 构成了立体的效率矩阵：

Agent 角色	任务特征	部署模型	思考努力程度（Effort Level）	架构设计考量
Furiwake（分发）	规则驱动，吞吐要求高	Sonnet	低（Low）	严格遵循确定性规则书分配线索，无需高阶发散
Sabaki（初筛）	首触达，双语面向客户	Opus	中高（Medium-High）	涉及准入资格研判与初次商业印象，重在质量
Henji（回复）	高频触发、场景高度发散	Sonnet + Opus Advisor	动态调高（针对疑难回复）	通过顾问模式实现高性价比；仅在推理困难时拉高 Effort
Shoudan（商谈）	CRM 记录结构化同步	Sonnet	低（Low）	字段提取与数据库操作，确定性强
Nokori（善后）	长会议纪要提炼与跟进	Opus	高（High）	需消化极长的转写文本，综合把握客户言外之意
Coordinator（协调）	修改各 Agent 提示词与记忆	Opus	最高（Highest）	运维中枢，指令错误会扩散全队，容错率为零

[!TIP] 模型选择与 Effort Level 解耦：在高级 Agent 基础设施中，“选择什么模型”与“让模型思考多久”是两个独立维度。高频 Agent 平时保持在低延迟状态，遇到复杂边界才由 Advisor 介入并临时拉高 CoT 推理预算。

与其他编排模式的对比

编排模式	控制流方向	谁是主控制器	交互频次	适用场景
Advisor Pattern（顾问模式）	自下而上（Pull）	执行模型（Worker）	仅在疑难断点按需发生	高频运行、偶发复杂决策的日常运营任务
Orchestrator-Workers（编排器-工作者）	自上而下（Push）	顶层规划模型	任务初期与汇总期全量调度	任务天然可分解为独立子模块的多任务场景
Evaluator-Optimizer（评估器-优化器）	串行后置反馈	评估器（Judge）	生成完成后迭代评审多轮	对生成质量有严苛标准、可量化指标的单项任务
Router（分类路由器）	前置分流（Push）	前置分类器	任务入口一次性分流	任务类型互斥且特征极其明显的场景

模式价值与演进

顾问模式的深层价值在于在动态环境中最小化能力浪费：

避免了顶层 Orchestrator 为每一个微小输入都执行沉重规划的“大炮打蚊子”现象；
避免了 Evaluator 每次都在事后推翻重写造成的 Token 双重浪费；
在保证 99% 的日常吞吐以极致低成本运行的同时，守住了 1% 决定商业成败的极端边界质量。