多 Agent 协作有哪些常见模式？

题目

多 Agent 协作有哪些常见编排模式？各自的优缺点与适用场景是什么？

参考答案

单 Agent 在复杂任务上易力不从心，多 Agent 通过分工与协同提升能力。常见模式：

1. 主管-工人（Supervisor / Orchestrator-Worker）

• 一个”主管”Agent 负责任务拆解与分发，多个”工人”Agent 各司其职执行，结果汇总回主管。
• 优点：结构清晰、可控性强；缺点：主管是瓶颈与单点。

2. 顺序流水线（Pipeline / Sequential）

• Agent 按固定顺序串联，前一个输出作为后一个输入（如”研究员→写作员→审校员”）。
• 优点：流程明确、易调试；缺点：刚性，一处卡壳全链阻塞。

3. 辩论/共识（Debate / Consensus）

• 多个 Agent 对同一问题各抒己见，相互质询，最终收敛出更优答案。
• 优点：提升推理质量、降低单点偏见；缺点：成本高、易发散。

4. 层级团队（Hierarchical）

• 树状结构，上层 Agent 管下层 Agent，模拟组织架构。
• 优点：可扩展、适合超复杂任务；缺点：通信开销大、调试难。

5. 竞争/投票（Competitive / Voting）

• 多 Agent 并行解同一题，投票或择优。
• 优点：容错好；缺点：浪费算力。

关键工程问题：

• 通信协议：结构化消息（JSON schema）优于自然语言，减少误解。
• 共享状态：黑板模式（blackboard）让 Agent 读写公共状态。
• 终止条件：防止无限循环，设最大轮数与收敛判据。
• 成本控制：多 Agent 调用次数指数增长，需预算与缓存。

面试加分点：能指出多 Agent 并非”越多越好”——通信损耗、状态一致性、调试复杂度都是真实成本；实践中”主管-工人 + 流水线”混合最常用，纯辩论/层级多用于研究。

出处：Agent 开发面经、多智能体协作实践（LangGraph / AutoGen / CrewAI 生态）。