Skip to content

LLM › Agent › 多 Agent 模式

多 Agent 模式 (Multi-Agent Patterns) ​

多 agent 系統把工作分給多個專職 agent,而不是讓一個 agent 什麼都做。只有當分工帶來的清晰度與可控性大於額外的協調成本時才值得。實作通常以 LangGraph 的圖結構表示:每個 agent 是一個節點,路由是條件邊。

從線性到條件流程 ​

模式優點限制
線性流程簡單、好除錯每個請求都走相同路徑,即使不需要
條件流程依情況分支需要清楚的路由邏輯與狀態

例:研究助理不該對每個問題都搜尋 PubMed。概念解釋直接回答;需要文獻時才檢索;需要計算時才執行程式。

先問路由到
需要外部資料嗎?檢索 / API 工具
需要計算嗎?程式執行工具
解釋就夠了嗎?直接回答,不呼叫工具

Supervisor 與 Swarm ​

text
Supervisor:                              Swarm:
            supervisor                    文獻 agent ⇄ 資料 agent
          ↙     ↓      ↘                        ↖     ↙
   文獻 agent 資料 agent 寫作 agent               寫作 agent
   (做完都回到 supervisor,由它決定下一步)   (各自決定 handoff 給誰)
模式運作適合主要風險
Supervisor一個協調者決定下一個由誰做、何時結束路由需要可解釋、可控制協調者成為瓶頸或單點失敗
Swarm(點對點 handoff)各 agent 自行決定交給誰任務歸屬會自然轉移的開放式任務誰先開始、誰接手難預測;可能互相踢皮球或重複工作
階層式supervisor 底下還有 sub-supervisor大型系統、多團隊複雜度高
Supervisor 的職責理由
選擇下一個 agent路由明確
保存共享的任務狀態避免協調資訊散落
決定何時結束避免無止盡的交接
執行政策與升級規則集中控制安全

Swarm 協作太鬆散時,加一個 supervisor 通常是恢復秩序最簡單的方法。

共享狀態 ​

多 agent 系統最常見的失敗是無法維持一致的共享狀態。

狀態缺少時
目前目標各 agent 各做各的
已完成的結果重複工作
工具輸出(證據)後面的 agent 憑空推論
停止條件無用的迴圈

Agent 共用工具卻不共享足夠狀態,系統看起來在協作,實際上在重複勞動。

什麼時候值得 ​

值得不值得
任務自然分成不同角色(檢索、分析、撰寫、審查)單一 agent + 好工具 + 清楚分支就能解決
不同子任務需要不同工具、權限或模型所有步驟用同一組工具
路由決策必須可檢查只是想讓系統「看起來更聰明」
單一 agent 的 prompt 與工具多到難以除錯還沒有評估證明單一 agent 不足

多 agent 會讓延遲、成本與失敗點成倍增加。用同一個 評估集 比較單一 agent 與多 agent,有明確改善才採用。

檢查清單 ​

問題沒想清楚的後果
有哪些 agent?為什麼各自獨立?職責重疊、難以維護
共享哪些狀態?重複工作、遺失證據
路由由誰、依什麼決定?無法解釋流程
何時觸發工具、何時跳過?不必要的呼叫與成本
誰決定任務完成?無限交接