是什么
为什么
当单智能体在长链路推理、多工具调用或跨域知识上频繁出错时，工程师与架构师用它降低单点复杂度并提升可观测性。
怎么做
明确子任务边界，定义角色与通信协议，选择编排框架（如 LangGraph/CrewAI/AutoGen），编写最小闭环并逐步接入。
什么时候
适合任务可清晰拆分、需并行或需强隔离的场景；不适合简单问答、低延迟要求或单智能体已稳定覆盖的场景。
FOCUS
先记住这些
角色边界决定成败
按能力、数据域与输出格式划分角色，重叠会导致重复执行或结果冲突。
消息格式与路由是协作基础
必须定义结构化消息、明确路由规则与超时重试策略，否则易陷入死循环。
框架选择影响开发效率与可观测性
优先选支持状态管理、可视化调试与检查点的框架，避免手写调度逻辑。
隔离测试与日志追踪是调试关键
通过单角色独立测试、中间状态快照与异常信号快速定位失败环节。
PROBLEM / POSITION / INTERFACE
先弄清它为什么存在，以及谁在使用
-
01 解决的问题
单智能体在复杂流程中频繁幻觉、工具调用混乱或上下文溢出。
难以定位失败环节、调试成本高、无法并行处理独立子任务。
- 成功标准
- 任务被稳定拆解，各智能体职责清晰，通信可控，整体成功率与可观测性显著提升。
-
02 AI 生态位
作为任务执行层的协作中枢，上游接收业务意图，下游输出结构化结果或触发外部动作。
- 上游
- 依赖任务定义、角色规范、通信协议与编排框架。
- 下游
- 为业务系统提供可追踪、可回滚的多步骤执行结果。
-
03 人的生态位
人类负责定义任务边界、验收标准与异常处理策略，不直接干预每步推理。
- 适合使用
- 任务可明确拆分为独立子任务、需并行处理或强隔离、单智能体已频繁失败。
- 不必使用
- 任务简单、延迟敏感、单智能体已稳定、团队缺乏调试与运维能力。
-
04 独特价值
通过职责隔离与并行执行，显著降低单智能体复杂度，提升长链路任务成功率与可调试性。
角色边界模糊、通信协议设计不当、状态同步困难、调试链路长。
- 复杂度判断
- 复杂度不是功能数量，而是控制与验证成本。
INTERFACE FLOW
谁在操作，信息怎样流动
-
WHO OPERATES
HUMAN定义任务目标、角色分工、验收标准与异常处理策略
AGENT按角色执行子任务、生成中间结果并与其他智能体通信
BACKEND提供通信总线、状态存储与调度逻辑
-
INPUT
业务目标、角色定义、初始上下文与通信协议规范
-
CONTROL
Prompt 模板、工具权限、消息路由规则、超时与重试策略、状态检查点
-
OUTPUT
结构化执行结果、中间状态日志、异常信号，供下游系统或人类验收
FLOW
最小协作流程
01定义角色与边界明确每个智能体的能力、输入输出格式与权限
02配置通信协议设定消息结构、路由规则、超时与重试策略
03选择编排框架接入支持状态管理与可视化的工具
04执行与监控运行任务并记录中间状态与异常信号
05验收与迭代根据结果与日志调整角色边界与通信规则
CODE / PYTHON最小 Python 调用
import os
from langgraph.graph import StateGraph, END
from typing import TypedDict
class AgentState(TypedDict):
query: str
result: str
def researcher(state: AgentState) -> dict:
# 模拟研究角色
return {"result": f"Research on: {state['query']}"}
def writer(state: AgentState) -> dict:
# 模拟写作角色
return {"result": f"Write based on: {state['result']}"}
workflow = StateGraph(AgentState)
workflow.add_node("researcher", researcher)
workflow.add_node("writer", writer)
workflow.set_entry_point("researcher")
workflow.add_edge("researcher", "writer")
workflow.add_edge("writer", END)
app = workflow.compile()
result = app.invoke({"query": "Multi-Agent 架构设计要点"})
print(result["result"])最短闭环：定义状态 → 添加节点 → 编译图 → 调用。使用 LangGraph 演示角色协作。
JSON / RESPONSE典型返回（示意）
{
"query": "Multi-Agent 架构设计要点",
"result": "Write based on: Research on: Multi-Agent 架构设计要点"
}PRACTICE
上线前检查清单
✓角色边界是否明确且无重叠？
✓消息格式与路由规则是否结构化？
✓是否配置超时与重试策略？
✓是否支持中间状态快照与日志追踪？
✓是否进行单角色隔离测试？
FAQ
常见问题
01Multi-Agent 与单智能体调用多个工具有什么区别？＋
Multi-Agent 强调角色隔离与并行协作，单智能体多工具是串行调用同一模型。
避免在简单场景过度设计，或在复杂场景误用单智能体导致失败。02最小可用方式是什么？＋
用 LangGraph/CrewAI 等框架定义两个角色、配置消息路由、运行最小闭环。
快速验证协作逻辑，避免过早引入复杂调度。03什么时候不需要它？＋
任务简单、延迟敏感、单智能体已稳定或团队缺乏调试能力时。
控制系统成本与运维复杂度。04如何快速定位失败环节？＋
通过中间状态快照、角色隔离测试与异常信号日志追踪。
多智能体调试链路长，必须依赖可观测性工具。NEXT