工作机制与关键组成
拆分任务
分离可以独立完成的工作,并明确每个执行者需要交付的结果。
分配上下文
只向每个执行者提供完成任务所需的信息和工具。
整合结果
验证各项结果、解决冲突,再由协调者或确定性代码完成汇总。
如何选择
只有在实际任务中,多个智能体的并行处理或专业分工确实优于单个智能体或固定流程时,才采用这种方式。
适合解决哪些问题
- 并行开展互不依赖的研究,或从不同角度进行代码审查。
- 将协调工作与职责边界清晰的专业任务分开。
使用时要留意什么
- 协作会增加 token 消耗、耗时和额外故障模式。
- 并行智能体可能重复劳动或给出互相矛盾的结论,应明确共享事实和结果整合规则。
使用前,先弄清楚
哪些任务值得尝试多 Agent 协作?
优先考虑能独立拆分、输出边界明确且结果容易合并的任务,例如从不同角度检查代码或并行研究独立子问题。若角色持续依赖彼此的即时结果,协调成本可能抵消收益。应与单智能体方案比较效果和成本,再决定是否保留多角色。
继续核对原始资料
概念说明参考项目文档与源码;场景选择和接入建议为 AI Manuals 的整理判断。版本、价格、许可及接口细节请以项目当前说明为准。
- 项目文档与说明docs.langchain.com
- OpenAI Agents SDK 交接机制openai.github.io
- LangGraph 多智能体概念docs.langchain.com