multi-agent-patterns

多 Agent 模式：主管、流水线、群体与辩论的取舍和终止条件

补充说明

多 Agent 不是默认更聪明。它适合任务可分解、子任务需要不同工具/上下文、或需要并行探索的场景；不适合简单问答、强一致事务和延迟敏感流程。常见模式：主管（supervisor 分派、汇总）、流水线（固定阶段）、群体/交接（agent handoff）、辩论/评审（多视角投票）和黑板（共享状态）。

设计多 Agent 时，先定义角色边界、共享状态、通信协议、终止条件和失败策略。没有终止条件，Agent 会互相调用到超时/烧钱；没有共享状态，信息会在交接中丢失。

常用示例

模式选择：
- 主管：一个协调者拆分任务、调用专家、汇总结果
- 流水线：检索 → 分析 → 写作 → 审核，阶段固定
- 群体/交接：按能力把对话转给下一个 Agent
- 辩论：多个 Agent 独立回答，再由评审/投票收敛
- 黑板：所有 Agent 读写共享状态，适合复杂协作

# LangGraph 主管模式（伪代码）
def supervisor(state):
    return llm.invoke(
        "根据任务选择下一个 agent：researcher/writer/reviewer，或 FINISH",
        state["messages"],
    )

graph.add_node("supervisor", supervisor)
graph.add_node("researcher", research_agent)
graph.add_node("writer", writer_agent)
graph.add_node("reviewer", reviewer_agent)
graph.add_conditional_edges("supervisor", route, {
    "researcher": "researcher", "writer": "writer",
    "reviewer": "reviewer", "FINISH": END,
})

终止与预算：
- 最大轮数/最大 token/最大成本
- 子任务完成条件（不是“感觉够了”）
- 超时、失败重试上限、人工接管
- 共享状态版本/锁，避免并发覆盖

易错点与排错

• 为了“架构先进”上多 Agent：简单任务用单 Agent 更便宜、更可控；先证明单 Agent 不够。
• 没有终止条件：Agent 互相调用、循环辩论；设置轮数/成本/时间上限和 FINISH 条件。
• 角色重叠：多个 Agent 做同一件事，结果冲突；明确职责和输入输出。
• 上下文重复：每个 Agent 都带完整历史，token 爆炸；按角色裁剪上下文。
• 共享状态竞争：并发写同一状态导致覆盖；用版本/锁或单写者。
• 错误传播：一个 Agent 的幻觉被下游当事实；关键结论要交叉验证/引用。
• 难以调试：调用链复杂；用 trace/span 记录每个 Agent 的输入输出和决策。
• 成本失控：多 Agent 调用次数是单 Agent 的数倍；先估算再上线。

相关命令

• crewai — 角色化多 Agent 协作。
• autogen — 多 Agent 对话框架。
• a2a — Agent 间通信协议。
• langgraph — 有状态多 Agent 图。
• openai-agents-sdk — Agent 与 handoff。
• agent-observability — 调用链追踪。

参考链接

• Anthropic: 多 Agent 研究系统
• LangGraph 多 Agent
• A2A 协议

读完自测

合上页面，先回答，再展开对照。

1. 什么情况下不应该用多 Agent？
2. 主管模式和群体/交接模式有什么区别？
3. 多 Agent 系统必须设置哪些终止条件？