一个代理是有用的。一个代理团队是一种竞争优势。

保存这个 :)

一个单一的 AI 代理可以进行研究、写作、分析或编程。但它无法同时把这些事情都做好。就像一个试图同时处理研究、写作、销售和客户支持的员工，会把所有这些事情都做得很差。

解决方案与人类几个世纪前发现的解决方案相同：专业化。

构建团队而非单一超负荷代理

不是依靠一个超负荷的代理，而是建立一个团队。

  • 研究代理：只负责研究。
  • 写作代理：只负责写作。
  • 分析代理：只负责分析。
  • 协调代理：管理团队，分配任务，并组装最终输出。

每个代理都专注。每个代理在其特定工作中都表现卓越。它们协同合作，产出的成果是任何单个代理都无法比拟的。

这被称为多智能体编排（multi-agent orchestration），它是当前正在构建的最强大AI系统背后的架构。客户支持平台、研究系统、内容引擎以及业务自动化流水线，都在其核心使用多智能体团队。

本课程将教你如何设计、构建并部署你自己的系统。

架构：中心与辐射

每一个有效的多智能体系统都遵循相同的基本模式：中心与辐射。

中心（协调智能体）位于系统的核心。它从用户那里接收整体目标。它将目标分解为子任务。它决定哪个专业智能体处理每个子任务。它在各个专家之间传递上下文。它将所有部分组装成最终输出。

辐射（专业智能体）是专注的专家。每一个都有明确的角色，一小套为该角色优化的工具，以及一个将其限制在专业范围内的系统提示。

所有的通信都通过协调者进行。专家们从不直接互相交谈。协调者是唯一的路由、质量控制和组装点。

这种架构有巨大的优势。每个专家都保持专注——减少了由于上下文过载导致的错误。专家可以独立开发和测试。你可以在不重建系统的情况下更换或升级单个专家。协调者提供了单一的可观察点，用于调试和监控。

每个人都违反的关键规则

我无法过分强调这一点，因为这是多智能体系统中最常见的错误。

专门代理不会自动继承协调者的对话历史。

让我更直接地说。当协调者生成一个专门代理时，该专门代理从一个空白的上下文开始。它什么都不知道。它没有阅读过对话历史。它没有看到其他专门代理的产出。它对任何事情都没有任何意识，除了你明确包含在其提示中的内容。

大多数人认为，因为协调者知道一切，专家也必须知道一切。事实并非如此。如果协调者收集了研究数据，并希望写作专家将其转化为一份报告，那么协调者必须在写作专家的提示中包含所有研究数据。如果它只是说“根据我们的研究写报告”，写作专家根本不知道进行了哪些研究。

第二个版本更长。它也是唯一有效的版本。专家所需的每一条上下文都必须被明确包含。没有任何例外。

构建你的第一个多智能体团队：研究与报告系统

让我带你了解如何构建一个完整的多智能体团队。该系统接收一个研究问题，并生成一份全面、撰写良好、经过事实核查的报告。

团队成员：

智能体1：研究专家 - 搜索信息，提取关键事实，并汇总原始研究数据。

代理2：分析专家——获取原始研究数据，识别模式，得出结论，并发现来源之间的矛盾。

代理3：写作专家——获取已分析的数据，并以定义好的格式和语气生成一份经过打磨、结构化的报告。

代理4：审查专家——阅读完成的报告，根据原始研究检查其准确性，识别薄弱论点，并提出改进建议。

代理0：协调员——管理整个工作流程。

协调员的工作流程：

每位专家都有一个专注的系统提示：

研究专家：

分析专家：

作家专家：

审稿专家：

为什么这个团队的产出比单个代理更好：

研究代理专注于深入查找信息——不会因同时撰写报告而分心。分析师完全专注于模式——不需要查找信息或撰写文章。作家完全专注于高质量的文字——不进行研究或分析。审稿人发现作家遗漏的错误，因为审稿是其全部工作。

每个代理都把一件事做好。协调者确保各个部分彼此契合。结果是，其质量始终高于让一个代理做所有事情。

设计你自己的多代理团队

研究和报告团队只是其中一种配置。你可以为任何复杂的工作流程构建多代理团队。

内容团队：

研究员 → 大纲架构师 → 草稿撰写者 → 编辑 → 格式化员

接受一个主题并生成经过润色的、多格式的内容。

客户支持团队：

分类器 → 知识库搜索员 → 回复撰写者 → 质量检查员

处理具有多重验证层的支持工单。

业务分析团队：

数据收集器 → 趋势分析器 → 风险评估器 → 建议撰写者

将原始业务数据转化为可执行的战略建议。

设计原则始终如一：

每个代理都有一个明确的职责。每个代理都有一组专注的工具（最多3到5个）。所有通信都通过协调者进行。上下文在代理之间明确传递——绝不假设。协调者在将输出传递给下一个代理之前，会在每个阶段验证输出。

三种失败模式（及如何防止它们）

1. 目标不明确

一个项目如果没有明确的目标，团队就会失去方向，努力也会显得没有意义。目标模糊不清会导致无法衡量的结果，进而无法做出适当的调整。为了避免这种情况，团队应当：

  • 制定清晰、具体、可衡量的目标。
  • 确保每个成员都理解这些目标并能够将其分解为日常行动。
  • 经常评估进展，并根据需要进行调整。

2. 没有足够的资源

即使目标明确，如果没有足够的资源来支持，项目也无法成功。资源包括时间、资金和人力。当资源不足时，团队可能会感到压抑，无法高效工作。为了避免资源不足：

  • 评估项目所需的所有资源。
  • 在项目启动前确保所有资源到位。
  • 定期检查资源使用情况，确保没有超支或短缺。

3. 沟通失败

有效的沟通是任何项目成功的关键。沟通失败可能导致误解、错误和缺乏协作。为了防止这种情况：

  • 确保团队成员之间有开放和透明的沟通渠道。
  • 定期举行会议，及时讨论进展和问题。
  • 提供明确的反馈，确保每个人都在同一页面上。

通过认识并防止这三种失败模式，你可以增加项目成功的机会，并确保团队朝着共同的目标努力。

失败 1：狭隘的分解。

协调者将“AI 对各行业的影响”仅拆分为软件和医疗保健两个子主题，完全遗漏了金融、教育、制造、媒体和法律等领域。

预防：指示协调者在拆分之前先枚举完整范围。添加一个自检步骤：“审查你的拆分。你是否覆盖了该主题的所有主要方面？如果有任何重要领域缺失，请将其补充进去。”

故障 2：上下文丢失。

研究代理发现的信息从未传递给写作代理，因为协调者没有将其传递下去。

预防：协调者必须在每个后续代理的提示中包含所有先前代理的输出。将显式的上下文传递构建到协调者的工作流程中。

失败 3：通过电话效应导致的质量下降。

每个代理都会微妙地改变或丢失前一个代理输出的细微差别。当信息经过四个代理时，重要细节已经被稀释。

预防：在每个阶段都包含原始源数据——不仅仅是前一个代理的输出。撰写者应同时收到原始研究和分析，而不仅仅是分析。

核心要点

单一代理是有用的。多代理团队是强大的。

架构是直接明了的：一个协调者管理各个专家，每个专家只擅长做好一件事，所有上下文都被显式传递，而协调者组装最终输出。

在本周构建你的第一个团队。从研究和报告配置开始。用一个真实的研究问题对其进行测试。观察其质量与让单一代理完成所有工作相比如何。

一旦你体验到质量的差异，你将永远不会回到单一代理执行复杂任务的工作流程。

人工智能的未来不是一个代理做所有事情，而是由团队代理把所有事情都做好。

关注我 @eng_khairallah1 获取更多关于代理架构指南、编排模式和系统构建的内容。

希望这对你有帮助，Khairallah ❤️