简介:本教程面向准备落地多 Agent 协同的开发者、架构师与技术负责人,系统讲清"该不该上多 Agent"的判断依据,并给出任务拆解、角色契约、通信与共享记忆、编排调度、结果聚合、埋点评测的完整实现路径,附带通用伪代码、验证清单与排查思路,帮助你用可量化的对照实验回答"多加 Agent 是否真的让系统变好"。
很多团队在做 Agent 系统选型时,是凭直觉或惯例”拍板”的:感觉任务复杂,就默认拆成多个 Agent;感觉不稳,就再加一个”评审 Agent”。但多加一个 Agent 并不总能让系统变好——它同时带来了专业化收益的上升和协调成本的上升,两者哪一边更大,取决于任务本身的结构。
本教程要带你完成的不是”如何堆 Agent”,而是一条可验证的完整链路:
在动手之前,必须先理解多 Agent 的本质:它是用协调成本换取专业化收益的一种架构选择。收益侧主要来自四个方面:
成本侧则包括:Token 与调用费用的非线性增长、端到端延迟上升、信息在多跳传递中的失真、责任扩散(出问题时难以定位是哪个 Agent 的错)、错误传播(上游一个小偏差被下游放大)、以及调度与状态管理的工程复杂度。
因此,是否上多 Agent,可以用下面这组信号来判定。
倾向多 Agent 的正向信号:
倾向单 Agent 的反向信号:
一个容易被忽略的前提信号:你是否有一套评测集。 如果没有 20 条以上、带明确评分标准(标准答案、断言规则或人工评分表)的代表性样例,就贸然上多 Agent,你事后将无法判断效果变化来自架构调整还是随机波动。评测集应当作为选型的前置条件,而不是事后的补救。
没有基线,后续所有”是否变好”的讨论都只是主观感受。
在百度智能云等云平台的通用产品体系中,上述能力分别对应容器平台、消息队列、对象存储、日志服务、监控告警与身份认证等标准类目,可按自身账号与权限体系接入。
做什么:把”最终要交付什么”写成一份可机器校验的契约,例如 JSON 的字段结构、必填项、枚举范围。
为什么:角色是从契约反推出来的,而不是凭空想象出来的。先定契约能保证每个 Agent 的输出都有明确的验收标准,也便于后续用确定性代码做校验,而不是再让另一个模型去”感觉一下对不对”。
注意:契约中的每个字段都要说明”由哪个角色负责产出”和”由谁校验”。存在争议的必填字段,往往就是需要拆分角色的地方。
{"task_id": "string","conclusion": { "summary": "string", "evidence_refs": ["string"] },"risks": [ { "level": "high|medium|low", "desc": "string" } ],"actions": [ { "step": "string", "owner": "string" } ],"confidence": "number(0-1)"}
常见的三种拓扑,按可控性从高到低排列:
建议做法:画出任务流程图,在每个节点上标注”输入是什么、输出是什么、失败怎么办”。如果两个相邻节点的输入输出高度重叠,说明拆得太碎;如果需要来回三次以上才能收敛,说明拆错了边界。
每个 Agent 的提示词应至少包含五要素,缺一项就会出现行为漂移:
反模式是给所有 Agent 共用一份”万能提示词”。角色一旦不区分,多 Agent 就退化为”同一个 Agent 调用多次”,只会增加成本而不会增加收益。
通信必须结构化。 自由文本传递是多跳失真的主要来源。建议统一消息信封:
Message {msg_id, trace_id, // 全链路追踪from, to, // 角色标识type, // 任务分派 / 结果 / 追问 / 异常payload, // 严格符合契约attempt, deadline, // 重试次数与超时parent_msg_id // 关联上游,便于回溯}
共享状态集中管理。 维护一个只由编排层写入的工作区对象,包含原始输入、各角色产出、当前阶段、已消费预算。避免让各 Agent 直接读写一个”全局黑板”——那会导致并发写入冲突与不可复现的状态。
上下文要有节制。 长任务采用”滚动摘要 + 关键信息锚点”:历史轮次压缩为摘要,关键数据(原文引用、编号、数值)以锚点形式保留。切勿把完整历史无脑透传给每个 Agent,这既是成本黑洞,也会稀释关键指令的注意力。
做什么:实现调度器,负责路由、并发控制、重试、超时、熔断与降级。必须包含以下护栏:
注意:降级链路不是可选项。它既是稳定性保障,也是你最诚实的对照实验组——如果生产环境中大部分任务最终都走了降级路径,说明多 Agent 编排在多数场景下并未带来净收益。
聚合策略按任务性质选择:
关键原则:最终一致性校验应由确定性代码完成,而不是由模型完成。 例如数值求和、日期先后、必填项完整性、引用是否真实存在——这些用代码校验既准确又零成本。评审型 Agent 适合发现”代码难以判断”的问题(逻辑漏洞、遗漏风险、表述歧义),且应强制它给出证据引用;无法给出引用的意见判为无效,不进入聚合。这样可以显著抑制评审 Agent 的”幻觉式挑错”。
每次模型调用都要记录:trace_id、角色名、提示词版本号、输入摘要、输出摘要、Token 输入/输出量、耗时、重试次数、错误码。指标分三类:
这是本教程的核心环节。设计要点:
实验结论只有三种:值得上、不值得上、只在部分任务类型上值得。第三种最常见,也是最应被接受的结果——按任务类型分流,简单任务走单 Agent,复杂任务走多 Agent,通常比全局一刀切更优。
# 说明:以下为结构示意,不含任何具体平台命令或专有接口BUDGET = {"max_rounds": 6, "max_tokens": 60000, "deadline_s": 120}def run_task(raw_input):ws = Workspace(input=raw_input, trace_id=new_id(), cost=0, history=[])plan = planner_agent.plan(ws) # 输出必须校验为 DAG 结构if not validate_dag(plan):return fallback_single_agent(ws) # 规划失败直接降级for round_i in range(BUDGET["max_rounds"]):if ws.cost.tokens > BUDGET["max_tokens"]:breakbatch = [n for n in plan.ready_nodes() if n.kind in PARALLEL_KINDS]results = parallel_map(execute_node, batch, timeout_s=30)for node, res in zip(batch, results):if res.error:res = retry_with_backoff(execute_node, node, attempts=2)if res.error:continue # 单节点失败不阻塞全局ws.commit(node, res) # 仅编排层可写状态if plan.is_complete(ws):breakdraft = aggregate(ws) # 按契约字段合并verdict = code_level_validate(draft) # 确定性校验优先if verdict.failed:draft = critic_agent.review(ws, draft, must_cite_evidence=True)draft = aggregate_after_fix(ws, draft)if still_broken(draft) or human_gate_required(draft):return fallback_single_agent(ws) # 兜底路径,保证有结果返回persist(ws) # 中间产物落对象存储,便于复盘return draft
这段伪代码刻意体现了三个设计取向:编排以固定 DAG 为主、模型决策为辅;单点失败不拖垮整体;任何情况下都有确定性兜底路径。
分层验证,逐层排除问题来源:
判定成功的标准应当是复合的:任务正确率达到预设阈值、契约校验通过率接近全通过、P95 延迟在可接受范围、单任务成本在预算内、方差未显著恶化。任何一项不达标,都不应认定为”多 Agent 改造成功”。
| 现象 | 常见原因 | 排查方向 |
|---|---|---|
| 多 Agent 效果不如单 Agent | 角色边界模糊导致重复劳动;上游误差被下游放大;聚合策略过于宽松 | 逐个 Agent 单独评测;对比各版本在困难样例上的差异;收紧契约与聚合规则 |
| Token 成本成倍增长 | 全量历史透传;每个 Agent 重复读同一批文档;无预算护栏 | 引入滚动摘要;检索结果共享一次而非各自重查;设置 Token 预算上限 |
| 无限循环或互相推诿 | 缺最大轮次与终止条件;失败没有出口 | 强制轮次上限;失败节点直接跳过或降级 |
| 同一输入输出差异大 | 温度设置过高;并行结果聚合顺序不确定;消息拼接顺序变化 | 固定温度;对聚合输入做稳定排序;缓存确定性中间结果 |
| 评审 Agent 频繁误报 | 未要求证据引用;评审标准与生成标准冲突 | 强制引用证据,无引用即判无效;统一评审清单 |
| 主管 Agent 路由错误 | 分支过多且描述重叠,全部交给模型判断 | 改为规则/固定编排;仅保留真正模糊的分支给模型 |
| 延迟高、用户等待久 | 串行依赖过多;未使用流式返回 | 尽可能并行;先返回阶段性结果 |
| 问题无法复现 | 未记录提示词版本与中间产物 | 版本化提示词;中间产物落对象存储并关联 trace_id |
| 密钥被误提交或泄露 | 硬编码在配置或代码中 | 迁移到密钥管理服务;开启仓库扫描;立即轮换泄露凭证 |
多 Agent 协同的实现难点,从来不是”怎么创建更多 Agent”,而是三件事:把任务边界划对、把契约与校验定死、把收益用数据证出来。
回顾关键步骤:先用信号清单判断是否需要多 Agent,并以评测集作为前置条件;再定义输出契约、反推角色、选定拓扑;然后实现结构化通信、集中式状态、带护栏的调度与确定性兜底;最后通过单变量对照实验,把正确率、轮次、延迟、成本的增减摆在同一张表上,交由数据决定架构。
后续可继续深入的方向包括:多 Agent 任务的自动任务分解与拓扑搜索、角色能力的自动化评测与迭代、成本与质量之间的帕累托前沿刻画,以及多 Agent 系统在长周期运行下的记忆管理与知识沉淀。但无论技术如何演进,那条原则不变:每一次增加 Agent,都应当有可度量的理由。