📚 课程目录第1章多Agent协作模式认知

1. 多Agent协作模式认知

1.1 从单Agent到多Agent：为何需要协作

单个智能体（Agent）在处理复杂任务时存在天然瓶颈：知识边界固定、感知范围有限、推理资源受限。下表总结了单Agent在典型任务中的主要局限：

局限维度	具体表现	影响后果
知识局限	Agent 只能访问预设的知识库，无法动态吸收跨领域信息	对需要多领域专业知识的长链条任务，回答准确率下降
感知盲区	单Agent 只能处理单一模态输入或狭窄状态空间	容易遗漏关键环境信号，导致决策片面
执行瓶颈	串行处理所有子任务，无法并行执行无关步骤	任务吞吐量低，响应延迟高
鲁棒性差	单点故障意味着整个任务失败	系统缺乏容错能力，可靠性不足

🔑 核心认知： 多Agent协作不是简单地将多个Agent堆叠，而是通过设计合理的编排模式，让不同能力的Agent共享上下文、并行执行、动态选择执行路径，从而突破单Agent的天花板。

1.2 多Agent协作场景分类

根据任务结构和Agent间的依赖关系，多Agent协作场景可分为以下四类：

任务分解型： 将大型任务拆解为多个子任务，分配给不同Agent并行或顺序执行。适用于报告生成、代码审查、数据分析等工作流。
信息融合型： 多个Agent从不同视角或数据源收集信息，汇总到决策Agent进行整合推理。适用于情报分析、多模态理解等场景。
竞争对抗型： 多个Agent模拟不同角色或立场，通过辩论、验证、相互质疑来逼近最优解。适用于风险评估、战略推演、伦理对齐评估。
混合型： 上述多种模式的嵌套组合，实际生产系统中最常见的形态。

1.3 典型编排模式

多Agent任务编排的核心，是将Agent之间的调用关系抽象为四种基础模式。任何复杂的多Agent工作流都可以通过这四种模式的组合来构建。

1.3.1 顺序编排 (Sequential)

Agent按固定次序依次执行，前一个Agent的输出作为后一个Agent的输入。

# 顺序编排伪代码
result_1 = agent_A.execute(task)
result_2 = agent_B.execute(result_1)
final_result = agent_C.execute(result_2)

1.3.2 并行编排 (Parallel)

多个Agent同时执行独立子任务，所有结果统一汇合后进入下一阶段。

# 并行编排伪代码（异步执行）
tasks = [subtask_1, subtask_2, subtask_3]
results = await asyncio.gather(
    agent_A.execute(tasks[0]),
    agent_B.execute(tasks[1]),
    agent_C.execute(tasks[2])
)
merged = merge_results(results)

1.3.3 选择编排 (Choice/Route)

根据前序结果或环境状态，动态选择下一个Agent执行路径。

# 选择编排伪代码
analysis = agent_analyzer.execute(data)
if analysis["risk_level"] > 0.7:
    result = agent_expert.handle_risk(analysis)
else:
    result = agent_routine.process(analysis)

1.3.4 循环编排 (Loop/Iterate)

当输出不满足终止条件时，重复调用Agent或Agent链，直到达成目标。

# 循环编排伪代码 - 自迭代优化
draft = agent_writer.generate_first_draft(topic)
for i in range(MAX_ITERATIONS):
    feedback = agent_reviewer.evaluate(draft)
    if feedback["score"] >= THRESHOLD:
        break
    draft = agent_refiner.revise(draft, feedback)

  ⚠️ 编排实践要点：
  使用 顺序编排 保证因果链的严格正确性；
使用 并行编排 提升吞吐量，但需注意上下文合并时的冲突处理；
使用 选择编排 实现条件路由，常见于分场景处理；
使用 循环编排 处理需要多轮打磨的任务，务必设置最大迭代次数避免死循环。

  📌 本章记忆点：
  单Agent存在 知识、感知、执行、鲁棒 四大局限，这是引入多Agent协作的根本原因。
四种基础编排模式——顺序、并行、选择、循环——是构建所有多Agent工作流的原子单元。
实际系统中，一个完整的工作流往往是多种编排模式的 嵌套组合，而非单一模式。