多智能体协作：从编排到协商

单 Agent 处理复杂任务会遇到天花板：知识单一、上下文有限、一个环节错全盘错。多智能体（Multi-Agent）把任务拆给多个专职 Agent 协作。但"多个 Agent 一起干活"不是把代码拆几个文件那么简单——协作模式决定成败。

一、什么时候需要多智能体

先泼冷水：单 Agent 能干的，别上多智能体（成本×N、延迟×N、失控面×N）。

真正需要的场景：

场景 为什么单 Agent 不行
研究任务（检索+分析+写作） 一个 Agent 上下文装不下全部阶段
复杂业务流程（面试官+记录员+评分） 职责要隔离，角色会互相污染
长任务（项目规划+执行+验收） 中途上下文漂移，阶段要独立上下文
需要"不同视角"（方案评审） 一个 Agent 只有一个视角

二、三种协作模式

模式 1：编排（Orchestration）——最常见

主 主 A ├ ├ ├ └ A g ─ ─ ─ ─ g e e n 规 研 分 写 n t 划 究 析 作 t （ 任 员 师 O 务 A 汇 r A A g 总 c → g g e 、 h e e n 审 e 派 n n t 校 s 发 t t （ 、 t 给 （ （ 成 交 r 专 检 分 稿 付 a 家 索 析 ） t ） ） o A r g ） e n t

特点：中心化控制、职责清晰、可追踪。

适用：任务可以明确拆分为阶段的场景（研究报告、面试流程）。

关键设计：主 Agent 只做"调度和汇总"，不做具体业务（否则退化成单 Agent）。

模式 2：协商（Negotiation）——观点碰撞

架 协 构 调 师 者 A A g g e e n n t ↕ t （ ↔ 共 仲 同 裁 安 评 ） 全 审 一 A 个 g 方 e 案 n t ↔ 性 能 A g e n t

特点：多个视角独立分析同一问题，协调者综合裁决。

适用：方案评审、代码审查、风险评估（需要多视角）。

关键设计：每个 Agent 有独立的 system prompt（立场）、独立上下文，不能互相看对话（否则观点趋同，失去协商意义）。

模式 3：黑板（Blackboard）——共享状态

共 享 黑 ├ ├ └ 板 ─ ─ ─ （ 任 A A A 务 g g g 状 e e e 态 n n n 、 t t t 中 间 A B C 结 果 读 读 监 ） 黑 黑 视 板 板 黑 板 → → → 处 处 理 理 触 发 → → 下 一 写 写 步 黑 黑 板 板

特点：无中心、松耦合、支持并发。

适用：流水线型任务（ETL、多阶段处理），或者不确定顺序的任务（谁准备好谁干）。

关键设计：黑板要有"状态协议"（每个条目：待处理/处理中/完成），否则 Agent 重复处理。

三、选型决策树

任 ├ └ 务 ─ ─ 能 单 能 不 能 ├ └ A → ─ ─ g → e 单 能 不 n 任 能 ├ └ t A 务 → ─ ─ g 能 → 干 e 明 编 需 需 吗 n 确 排 需 要 要 ？ t 拆 模 要 并 （ 阶 式 多 → 发 省 段 视 流 钱 吗 角 协 水 省 ？ 吗 商 线 事 ？ 模 ） 式 → 黑 板 模 式

四、工程化要点

1. 上下文隔离

每个子 Agent 只给它需要的上下文，别全量传：

1
2
3
4

# 错误：把整个任务上下文传给每个 Agent（上下文爆炸 + 互相污染）
researcher.run(task_full_context)
# 正确：只给"这一阶段"需要的
researcher.run({"question": q, "documents": [d1, d2]})

2. 结构化交接

Agent 之间的产物用结构化数据（JSON/表格），不用自然语言：

1
2
3
4
5
6
7
8

{
  "agent": "researcher",
  "output": {
    "findings": [...],
    "sources": [...],
    "confidence": 0.9
  }
}

自然语言交接 = 信息损耗 + 不可校验。

3. 收敛控制

多 Agent 循环会发散（互相扯皮、无限迭代）：

最 超 仲 大 时 裁 轮 兜 次 底 A 限 （ g 制 每 e （ 轮 n 协 t 商 3 最 0 有 多 s " ） 最 3 终 决 轮 定 ） 权 " （ 协 议 写 死 ）

4. 可观测性

✅ ✅ ✅ 每 协 失 个 作 败 图 定 A 可 位 g 视 ： e 化 哪 n （ 个 t 谁 调 A 的 了 g 输 谁 e 入 、 n / 结 t 输 果 出 如 产 记 何 出 日 ） 不 志 合 （ 格 t 导 r 致 a 返 c 工 e ）

五、踩坑记录

  1. Agent 互相复读：协商时 B 只是复述 A 的观点（因为看到了 A 的输出）→ 强制独立推理（先各自出结论，再互看）
  2. 上下文膨胀：每个 Agent 都带全量历史 → 用独立上下文 + 只传结构化交接物
  3. 协调者被架空：协调者只是"传话的"，没有裁决能力 → 协调者要有自己的判断标准（评审规则、质量标准）
  4. 成本失控：5 个 Agent × 10 轮 = 50 次 LLM 调用 → 设总预算，超了就降级（少 Agent 多轮次 → 多 Agent 少轮次）

总结

多智能体协作的核心认知：

  1. 先问"要不要"：单 Agent 能干的别上多 Agent
  2. 三种模式：编排（拆阶段）、协商（多视角）、黑板（并发流水线）
  3. 工程化三件套：上下文隔离 + 结构化交接 + 收敛控制
  4. 可观测是底线：没有 trace 的多 Agent 是黑盒，出事没法查

多智能体的价值不是"多个模型"，是"多个职责 + 清晰的协作协议"。 协议设计比 Agent 本身更重要。