跳到主要内容

多 Agent 实战模式

本节定位

前面我们已经讲了：

  • 多 Agent 架构模式
  • Agent 间通信
  • 任务分配与协调

这一节要把这些东西落到更像“真实项目”的场景上：

多 Agent 在实际任务里，最常怎么组合？

学习目标​

  • 理解几种高频多 Agent 实战模式
  • 学会根据任务目标选择更合适的协作方式
  • 看懂一个小型多 Agent 工作流示例
  • 理解“模式”为什么比“多开几个 Agent”更重要

一、为什么要讲“实战模式”？​

1.1 因为真实系统通常不是纯理论架构​

很多项目不会说：

  • “我要一个 peer-to-peer 多 Agent 系统”

它更常说：

  • “我要一个研究助理团队”
  • “我要一个写作 + 审核工作流”
  • “我要一个代码开发小组”

也就是说，真实项目更像“任务组织形态”，而不只是抽象架构名。

1.2 所以学实战模式的意义是什么？​

它能帮你从：

  • 抽象结构理解

走向：

  • 具体产品落地

二、模式一：研究型协作​

2.1 典型分工​

  • Planner：拆问题
  • Researcher：检索资料
  • Synthesizer：整合结果

2.2 适合什么任务？​

  • 做背景调研
  • 收集材料
  • 输出结构化报告

2.3 一个最小示例​

def planner(query):
    return ["收集退款政策", "整理时间条件", "形成结论"]

def researcher(task):
    docs = {
        "收集退款政策": "课程购买后 7 天内且学习进度低于 20% 可退款。",
        "整理时间条件": "关键条件包括时间范围和学习进度。"
    }
    return docs.get(task, "未找到资料")

def synthesizer(items):
    return "结论：" + " ".join(items)

plan = planner("退款政策是什么")
materials = [researcher(task) for task in plan[:-1]]
answer = synthesizer(materials)

print(plan)
print(materials)
print(answer)

这个模式的关键是：

先发散搜集，再统一收敛。

三、模式二：写作 + 审核​

3.1 最经典也最实用的模式之一​

分工通常是：

  • Writer：先写初稿
  • Reviewer：检查问题
  • Reviser：按意见修订

3.2 为什么这个模式特别常见？​

因为很多任务天然就适合：

  • 生成
  • 检查
  • 再修正

例如：

  • 报告撰写
  • 答案生成
  • 代码文档

3.3 一个最小示例​

def writer(topic):
    return f"初稿：{topic} 的核心是 7 天内可退款。"

def reviewer(draft):
    if "7 天内" in draft:
        return "建议补充学习进度条件。"
    return "时间条件缺失。"

def reviser(draft, review):
    return draft + " " + review

draft = writer("退款政策")
review = reviewer(draft)
final = reviser(draft, review)

print(draft)
print(review)
print(final)

这个模式最大的好处是：

它把“生成能力”和“纠错能力”分开了。

四、模式三：开发团队模式​

4.1 一个很常见的 AI 开发团队抽象​

例如：

  • PM / Planner：定义需求
  • Coder：写实现
  • Reviewer：做代码检查
  • Tester：验证结果

4.2 为什么这个模式在 AI coding 场景里很常见？​

因为软件开发天然就已经有这种角色分工。
多 Agent 只是把它程序化、自动化了。

4.3 一个最小示例​

workflow = [
    {"agent": "planner", "task": "定义要实现的功能"},
    {"agent": "coder", "task": "写出实现代码"},
    {"agent": "reviewer", "task": "检查逻辑问题"},
    {"agent": "tester", "task": "验证输出是否符合预期"}
]

for step in workflow:
    print(step["agent"], "->", step["task"])

这个模式的关键不是“角色好听”，而是：

每一层都能捕捉不同类型的问题。

五、模式四：双重核验 / 高风险审核模式​

5.1 什么时候需要？​

如果任务风险较高，比如：

  • 法律建议
  • 医疗辅助
  • 金融判断

那么很多时候不能只让一个 Agent 单独产出结论。

5.2 常见做法​

  • 一个 Agent 生成答案
  • 另一个 Agent 做事实核查
  • 还有一个 Agent 检查风险与合规

这类模式虽然更慢，但更稳。

六、一个小型多 Agent 工作流示例​

def planner(query):
    return ["retrieve", "write", "review"]

def retriever(query):
    return "检索结果：退款需满足时间与进度条件。"

def writer(material):
    return f"回答草稿：{material}"

def reviewer(draft):
    if "进度条件" in draft:
        return {"approved": True, "comment": "信息较完整"}
    return {"approved": False, "comment": "遗漏关键条件"}

query = "退款政策是什么？"
steps = planner(query)
material = retriever(query)
draft = writer(material)
review = reviewer(draft)

print("steps  :", steps)
print("draft  :", draft)
print("review :", review)

这段代码虽然很小，但已经体现了实战模式最核心的味道：

  • 先规划
  • 再执行
  • 再评审

七、怎样选合适的实战模式？​

7.1 如果任务重点在搜资料​

优先考虑：

  • 研究型协作

7.2 如果任务重点在内容质量​

优先考虑：

  • 写作 + 审核

7.3 如果任务重点在工程落地​

优先考虑：

  • 开发团队模式

7.4 如果任务风险高​

优先考虑：

  • 双重核验 / 高风险审核模式

所以真正重要的问题不是：

“哪个模式最酷？”

而是：

“哪个模式最符合当前任务的失败风险和目标结构？”

八、初学者最常踩的坑​

8.1 把模式和角色数量绑定死​

不是“3 个 Agent 就一定是某模式”。
关键是职责关系，不是数量。

8.2 为了看起来复杂而堆模式​

很多任务用单 Agent 或两 Agent 已经足够。

8.3 没有明确评价标准​

如果你不知道“这个模式为什么比另一个模式更好”，那系统迭代会很难推进。

小结​

这一节最重要的不是背“研究型”“开发型”这些标签，而是理解：

多 Agent 实战模式的价值，在于把抽象协作结构映射到真实任务目标。

当你能把任务形状和协作模式对应起来，多 Agent 才会真正从概念走向产品。

练习​

  1. 选一个你熟悉的任务，判断它更像研究型、写作审核型还是开发团队型。
  2. 给本节的小型工作流再加一个 reviser Agent，让它根据 review 修改 draft。
  3. 想一想：高风险任务为什么更需要“生成 + 核查 + 风险审查”的组合？
  4. 用自己的话解释：为什么说多 Agent 的重点不是角色数量，而是协作结构？