工作流与多智能体：拆解、路由、协作和交接

先判断任务是否需要多个 Agent

固定步骤可用工作流；输入类型明确可用路由；下一步依赖不确定信息时再考虑模型规划。多个 agent 适合有明确职责与可验证交接的任务，也会带来更多调用、消息、状态冲突和失败路径。

模式与模块知识点

模式	适用情况	必须定义
顺序流水线	后一步依赖前一步结果	每步输入输出契约、失败时是否继续
路由	任务可分类到不同处理器	分类标准、未知类型的处理
并行分工	子任务独立，可汇总	去重、冲突、合并与超时规则
规划与执行	步骤由当前观察决定	计划可执行性、重规划边界
交接 hand-off	责任转给另一个 agent	当前负责人、上下文、完成与回传
审查/迭代	输出需对照标准修改	独立依据、最大迭代与停止条件

“研究者、作者、审查者”三个名字不自动产生独立观点。如果它们共用错误来源，可能只是重复同一种错误。审查应对照证据与评分规则，而非依靠角色称谓。

工程设计示例

整理资料任务可以拆成“读取授权来源→抽取出处→原创归纳→检查链接”。只有独立来源读取适合并行；写同一个摘要或共享文件时，应指定唯一写入者或明确合并协议。

交接记录可包含 task_id、goal、constraints、evidence、pending、owner、status。失败恢复应区分已完成、未开始和结果未知；外部写入不能因为上游重跑而无条件重复执行。

练习与完成标准

画出资料整理流程，标明每条依赖、状态负责人和失败出口。比较单 agent 与多 agent 的预期收益和额外成本，再构造两个结果互相矛盾的合并案例。这里是设计练习，未启动多个 agent 执行。

复习问题

1. 什么时候并行会违反任务依赖？
2. hand-off 与调用工具的责任关系有什么差别？
3. 多个 agent 对同一答案投票为什么不一定更可靠？

阅读依据与核验范围

• 规划与任务拆解
• 多智能体设计模式

2026-10-07：AI 助手协助原创整理，核对以上 GitHub 章节；示例与练习为本站设计，未执行的任务不作为实验结论。