Multi-Agent（多智能体）

定义

Multi-Agent（多智能体）指由多个分工不同的 Agent 协作完成一个复杂任务的系统架构。每个 Agent 扮演特定角色（规划者、研究员、编码者、评审者、测试者……），通过消息传递/共享黑板/任务分发等机制协同，由编排者（Orchestrator）协调流程。它是对单 Agent 在复杂、长链路、多技能任务上能力上限的扩展。

典型代表：AutoGen（微软）、CrewAI、MetaGPT、LangGraph 的多 Agent 编排、ChatDev 等。

核心特点

角色分工：每个 Agent 有明确职责与系统提示，专精一面。
协作机制：消息传递、共享状态、任务队列、对话轮次。
编排模式：
- Hub-and-Spoke：中心编排者分发任务、汇总结果。
- Pipeline/Sequential：流水线式串行（研究→写作→评审）。
- Hierarchical：分层委派（经理→组长→组员）。
- Debate/Voting：多 Agent 辩论/投票提升答案质量。
可组合：单 Agent 可作为 Multi-Agent 的子单元。
可观测：Agent 间消息可记录，便于复盘与调试。
人在环上：关键节点由人审批或参与某角色。

工作流程

flowchart TD
    A[用户目标] --> O[Orchestrator: 编排者]
    O --> P[Planner: 拆解任务]
    P --> R[Researcher: 检索资料]
    R --> W[Writer: 起草内容]
    W --> C[Critic: 评审]
    C -- 不通过 --> W
    C -- 通过 --> T[Tester/Validator: 验收]
    T -- 不通过 --> P
    T -- 通过 --> O
    O --> Z[交付]

关键组件：

Orchestrator：决定流程、分配任务、汇总结果、处理失败。
Role Agents：各司其职，系统提示定义角色与边界。
通信层：消息总线/共享状态/任务队列。
记忆：共享黑板（共享上下文）+ 各 Agent 私有记忆。
终止与验收：明确完成条件与验收 Agent。

优缺点

优点

处理复杂任务：单 Agent 上下文/能力有限，多 Agent 分工突破上限。
专精提升质量：每个 Agent 聚焦单一职责，输出更专业。
可并行：独立子任务可并行执行，缩短总时长。
可辩论/自纠：评审/辩论 Agent 发现错误，提升可靠性。
可扩展：新增角色即扩展能力，无需重训模型。
模拟社会：可模拟多角色协作（如软件团队、科研小组）。

缺点

成本与延迟高：多 Agent 多轮调用，token 与时间成本数倍于单 Agent。
协调复杂：消息路由、状态同步、死锁/活锁需工程化处理。
失控风险叠加：任一 Agent 出错可能级联影响整体。
调试困难：行为由多 Agent 动态交互决定，复现与定位难。
过度工程：简单任务上 Multi-Agent 严重不划算。
通信噪声：Agent 间消息冗余可能淹没关键信息。

实战示例

场景：自动完成"调研某技术并产出技术报告"。

Orchestrator：拆为调研 → 起草 → 评审 → 定稿。
Researcher：用搜索 + RAG 收集资料，产出要点清单。
Writer：基于要点起草报告初稿。
Critic：评审逻辑、事实、结构，给出修改意见。
Writer：按意见修订。
Validator：核对引用真实性、数据准确性。
Orchestrator：汇总定稿交付。

人在环上：定稿前由人 review 关键结论。

注意事项

先单 Agent：能用单 Agent 解决别上 Multi-Agent，成本量级不同。
角色边界清晰：每个 Agent 职责不重叠，避免互相"抢活"。
明确终止条件：防 Agent 间无限辩论/修订。
成本与超时：设总 token/步数/时间上限。
共享状态治理：共享黑板需防污染、防膨胀，关键信息显式标注。
可观测：记录 Agent 间消息，便于复盘。
人在环上：关键/不可逆节点人工确认。
评估：用端到端任务基准评估整体效果，而非单 Agent 指标。
编排模式选择：流水线适合线性任务，辩论适合需深思的判断，分层适合大任务委派。

对比与选型建议

维度	Multi-Agent	单 Agent	单轮 LLM
复杂度	高	中	低
适合	复杂/多技能/长链路	中等复杂多步	简单问答/生成
成本	高	中	低
可控性	低	中	高
调试	难	中	易

选型建议：单轮能解决别上 Agent；单 Agent 能解决别上 Multi-Agent；任务确需多角色协作且预算允许才用 Multi-Agent。Multi-Agent 是 Agent 范式的"规模化协作"扩展。

参考资料

AutoGen（Microsoft）、CrewAI、MetaGPT、ChatDev 项目
LangGraph 的多 Agent 编排文档
"MetaGPT: Meta Programming for Multi-Agent Collaborative Framework"
"Improving Factuality and Reasoning in Language Models through Multiagent Debate"
Lilian Weng, "LLM Powered Autonomous Agents"（多 Agent 章节）

08-multi-agent