单个模型再强,也有上下文窗口和注意力的天花板。多智能体编排的思路是:把复杂任务拆成若干子任务,交给彼此隔离的智能体并行完成,再由编排者汇总。
什么时候需要多智能体
不是所有任务都需要。符合以下特征才值得:任务可拆解、子任务相对独立、需要不同工具或视角、单个上下文装不下全部信息。写一首诗不需要编排;写一份带调研、测算、审查的商业报告则需要。
三种主流框架
- LangGraph:代码优先,状态机式控制流,适合要精细掌控流程的开发者,Python / JavaScript 都可用。
- Dify:可视化编排,拖拽搭 workflow,适合快速落地、少写代码的团队。
- MCP:更像"胶水协议",把不同模型和工具标准化地接在一起。
一个最小可行的结构
从四角色开始就够用:规划者(拆任务)→ 执行者(各干各的)→ 审查者(挑错校验)→ 汇总者(整理输出)。先跑通这个闭环,再考虑加缓存、加并行度。
新手最容易踩的坑
一是编排税:智能体越多,协调和校验成本越高,别为了"看起来高级"堆数量。二是上下文污染:共享状态没管好,智能体会互相踩踏。三是缺乏校验:让 agent 自己判断"完成"往往不靠谱,必须有外部可验证的完成条件。
从四个角色、一个闭环开始,先跑通再优化——这是最稳的路径。
本文属于专题Agent 与自动化15 篇全部专题 →
小7分享网