- 综合排序
- 最热优先
- 最新优先
Multi-Agent系统Harness Engineering架构的思考与实践
本文基于agent技术论文，社区agent工程分享，结合笔者近期multi-agent项目实践，提出一套“知识—编排—门控—治理”四层解耦设计、经验沉淀、持续治理的MASHarness设计架构,整理成文 从单agent到多agent，agent工程化难在哪里单agent(singleagent)和多agent(multi-agent)之争一直是学术界和工业界讨论的一个热点话题，但基本都默认一个前提：先从单 HotpotQA基准：同等准确率下token消耗约2,000，而ReAct是9,795，降低80%。 FC2智能体间协调失败占323%。 所我们可以看到强如opus4.6这样的模型，在使用multi-agent架构完成复杂任务上，也需要投入大量精力在Harness上。
4.1K42编辑于 2026-03-13OpenClaw 多智能体（Multi-Agent）并行协作完全指南【架构】
1.2多Agent的“军团”革命OpenClaw的多Agent架构（Multi-AgentOrchestration）彻底改变了这一现状。 通用模板：“请创建[数量]个子Agent，分别扮演[角色1]、[角色2]…[角色1]的任务是：[具体任务描述]，要求：[具体约束，如只要数据、只要观点等]。 [角色2]的任务是：[具体任务描述]，要求：[具体约束]。请在[时间/条件]后向我汇报，或者在遇到问题时随时问我。”实战示例：“请创建2个子Agent。 配置：AgentA（架构师）：设计技术栈（HTML/CSS/JSvsReact/Vue），规划文件结构。AgentB（前端开发）：根据架构编写具体的页面代码，追求美观。
1K10编辑于 2026-04-29- 来自专栏架构驿站
Multi-Agent ，知多少？
2、Memory Memory 则是赋予智能代理以学习、进化和持续优化的能力。就像代理的个人知识库和经验档案，记录了其过往的所见所闻和互动历程。 MAS 提供了一种强大的分布式架构框架，有望彻底克服单一代理系统固有的瓶颈。 在 Multi-Agent 系统架构中，由众多独立自治的智能体代理组成，它们拥有各自独特的领域知识、功能算法和工具资源，可以通过灵活的交互协作，共同完成错综复杂的决策任务。 此外， Multi-Agent 系统具有天然的开放性和可扩展性。当系统面临任务需求的不断扩展和功能的持续迭代时，通过引入新的专门代理就可以无缝扩展和升级整体能力，而无需对现有架构进行大规模的重构改造。 Multi-Agent 系统参考架构示意图 Multi-Agent 系统凭借其先天的分布式协作、异构智能融合、模块化扩展、容错鲁棒等独特优势，正逐步展现出在诸多传统行业和复杂应用场景中的革命性影响力和巨大变革潜能
2.2K10编辑于 2024-11-01 - 来自专栏有文化的技术人
从单兵作战到群智协作：Multi-agent 架构演进与思考
❝当一个 Agent 不够用时，你需要的不是更强的模型，而是更好的协作架构。❞ 写在前面 大模型时代，单个 Agent 能做的事情越来越多——搜索、写代码、分析数据、调用 API。 多 Agent 架构应运而生。它的核心思想很简单：「让不同的 Agent 各司其职，通过某种协作机制共同完成复杂任务」。 但"协作机制"这四个字背后，藏着大量的设计决策。 本文将从业界主流模式出发，逐层深入到工程实现细节，帮你建立对多 Agent 架构的系统性理解。 回答好这三个问题，你就能为自己的场景选择最合适的架构模式。 这就是多 Agent 架构的本质。❞
50510编辑于 2026-04-09 Multi-Agent多智能体协作系统：架构原理、框架选型与实战指南
Multi-Agent多智能体协作系统：架构原理、框架选型与实战指南当前AI应用开发正经历一次范式转变：从依赖单一模型的多轮对话，转向多个智能体协同工作的Multi-Agent架构。 Multi-Agent架构的核心思路是让多个具备不同专业能力的AI智能体像团队一样分工协作，自动完成复杂任务链。 本文将从架构原理、协议标准、框架选型到生产部署，完整拆解Multi-Agent系统的技术内核。一、什么是Multi-Agent？为什么2026年是爆发元年？ 二、核心技术架构：ReAct + Function Calling + 协议层要搭建Multi-Agent系统，需要先理解三个核心概念：单个Agent怎么工作（ReAct模式）、Agent怎么调用工具（ 技术原理剖析（底层架构、核心算法） 2. 与竞品的对比分析（至少3个维度） 3. 实际应用场景和落地难度评估 4.
11K31编辑于 2026-04-02【Multi-agent实战】教你如何用Multi-agent分析开源Github项目
解析参数（模型路径、测试数据集名字等） # 2. [pos, 0], feat_2d[pos, 1], s=5, alpha=0.6, label="fake") plt.scatter(feat_2d[neg, 0], feat_2d[neg, 下一步就是把它们塞进 Multi-Agent 工作流里。 如果你把这套东西写进简历 / 博客，面试官很可能会问：你为什么要用 Multi-Agent / LangGraph，而不是一个脚本搞定？Multi-Agent 带来的真实价值是什么？ 统一入口：上层只需要给一段自然语言： “帮我跑一个跨数据集 baseline”Multi-Agent 工作流负责把这段话变成真正的可执行实验计划。
63120编辑于 2025-11-23- 来自专栏老张的求知思考世界
构建多智能体(Multi-Agent)架构的八大原则
所谓的多智能体(Multi-Agent)架构，可以简单理解为多个Agent并行工作，他们之间通过某种通信机制进行沟通协作，以协助人类完成复杂的任务。 Google在今年2月4日的一篇研究文章中，曾提出这样一个观点：多智能体性能提升的核心，是优化提示词和拓扑结构。 2、工作流拓扑优化：在修建过的拓扑空间中优化工作流拓扑结构。 3、工作流提示优化：在找到的最佳拓扑结构上进行全局提示优化。 上述三个阶段，每个阶段都依赖于前一阶段迭代优化的提示/拓扑，来开展优化。 2、Teach the orchestrator how to delegate：教会编排器如何分配任务。 ://metaso.cn/s/1c5dzzB 另外，查找资料时，看到了另一篇讨论Multi-Agent架构的文章，也推荐大家看看。
2.5K11编辑于 2025-07-08 【Multi-Agent实战】如何用 LangChain 打造一个 Multi-Agent 实战项目
【Multi-Agent】一、如何用LangChain打造一个Multi-Agent实战项目这篇就是给已经玩过LangChaintools+Agent的同学看的进阶篇：你已经玩过time/weather 这种自定义工具；也看过AgentType.CHAT_ZERO_SHOT_REACT_DESCRIPTION一路Thought/Action/Observation的DebugLog；但一到Multi-Agent
66210编辑于 2025-12-16【Multi-agent实战】LangGraph 实现可视化的科研 Multi-Agent实战项目
用 【Multi-agent实战】LangGraph 实现可视化的科研 Multi-Agent实战项目✍ 前言上一篇我们搞了一个「科研 Multi-Agent 小队」：Supervisor 当老板；PaperHunter 这一篇，我们就把上一篇的科研 Multi-Agent —— 迁移到 LangGraph 上，用“图”的方式组织 Agent。 一、为什么要用 LangGraph 来做 Multi-Agent？ 推荐复现的论文（1~2 篇）\n" "2. 数据集与预处理策略\n" "3. 模型与关键超参数\n" "4. 六、面经角度：围绕 LangGraph + Multi-Agent 怎么吹？给你几段可以直接背的回答。Q1：你在项目里是怎么管理 Multi-Agent 的流程的？为什么选 LangGraph？ Q2：LangGraph 和 LangChain 的 AgentExecutor 相比，有什么优势？
1.3K10编辑于 2025-11-22【Multi-Agent实战】如何用 LangChain 打造一个 Multi-Agent 实战项目
【Multi-Agent】一、如何用 LangChain 打造一个 Multi-Agent 实战 ✍ 前言 这篇就是给已经玩过 LangChain tools + Agent 的同学看的进阶篇： 你已经玩过 “Multi-Agent 和平时的 Tools 调用有什么本质区别？” 二、本文实战目标 & 架构图 2.1 我们要做的“小系统” 我们还是围绕你熟悉的天气 Demo，只是升级玩法： 用户一句： 「今天北京适合出门跑步吗？要不要带伞？」 2.2 架构图 在实现上，我们会用一个小技巧： 把“子 Agent”本身包装成一个 Tool，再挂给 Supervisor 使用。 如果你把系统日期改成 2023-07-15，就正好对应你之前的 Demo ：） 五、Step2：把子 Agent 包装成 Tool，构建 Supervisor Multi-Agent 关键技巧： 任何
2.8K10编辑于 2025-11-23- 来自专栏企鹅号快讯
VAIN：Attentional Multi-agent Predictive Modeling
VAIN: Attentional Multi-agent Predictive Modeling[J]. arXiv preprint arXiv:1706.06122, 2017. 2) Attention的计算方式不同，本文的attention score计算方式区别于传统计算方法，相当于衡量两个agent的attention vector之间的欧式距离。
1.3K70发布于 2018-01-09 - 来自专栏【腾讯云开发者】
一文了解LLM应用架构：从Prompt到Multi-Agent
接下来，在详细介绍演进过程前，我们可以先了解一下LLM最流行的应用架构Agent的定义，然后，我们再从Agent的诞生中引申出来LLM的架构的演进过程。 01 Agent是什么？ 2.4 Multi-Agent阶段 终于来到最后一个阶段了——Multi-Agent阶段。 --- 2. 3.2.1 设计范式 我们先具体讲一下multi-agent的应用设计范式。整体设计架构图（图源自网络）如下： 左侧部分：是单agent，代理表现出多种内化行为，例如计划、推理和反思。 在单Agent纵向提升有限时，Multi-Agent系列方案通过设置合理的算法架构，能通过水平扩展的方式提高智能，为我们打开了新的思路。
1.9K22编辑于 2025-11-07 - 来自专栏【腾讯云开发者】
Multi-Agent全面爆发！一文详解多智能体核心架构及LangGraph框架
相比传统的线性执行模式，LangGraph 支持条件分支、循环、并行等复杂控制流，能够实现状态持久化、断点续跑、时间旅行、人机协作等高级功能，并提供了多智能体协作、层级架构等多种架构模式。 recursion_limit": 50} # 设置递归限制为50次 ) except GraphRecursionError: print("执行步数超过限制，抛出异常") # 异常处理... 03、Multi-Agent 架构 3.1 多智能体架构概述 对于普通的业务系统，随着需求的迭代，系统的复杂度会变得越来越高，使得维护性和扩展性变得越来越高，经常需要花费大量是时间去定位问题，因此在项目初始阶段架构选择很重要。 Supervisor 架构模仿了企业中“项目经理”的角色。 在实际应用中，架构选择没有绝对的优劣，关键在于与业务场景的深度契合。
5K72编辑于 2025-12-16 GraphRAG + Multi-Agent 凭什么登上 Nature？
2026年5月，NatureScientificReports刊出了一篇看起来有点"反常识"的论文——它没有提出新的模型架构，没有刷新benchmarkSOTA，但把GraphRAG+Multi-Agent 这篇文章把这套架构从5层栈到6个自训练LLM的工程账，逐层拆给你看。 二、五层架构总览整个平台是一个非常工整的五层栈，每层都有清晰的职责边界：展开代码语言：TXTAI代码解释┌──────────────────────────────────────────────── 四、Layer2：6个自训练LLM——为什么不直接用GPT-4？论文里这一层最反直觉。2026年了，还自己训6个模型？ 六、Layer4：Multi-Agent编排——5个角色，各司其职平台不是一个Agent，而是五个专职Agent协同：展开代码语言：TXTAI代码解释┌──────────────┐│Planner│(
5921编辑于 2026-06-04【Multi-agent】智能科研助手实战项目
从 0 组建你的 AI 科研小队：Multi-Agent 帮你做文献调研 + 实验规划✍ 前言很多科研工作者肯定都吐槽过：「文献太多看不完、实验方案想不清楚、写总结又很痛苦。」 但反过来想：这些事情，其实都可以拆成一堆「标准化的小任务」，非常适合交给 Multi-Agent AI 科研小队 来做。 一、整体架构：Supervisor + 子 Agent先用图把脑子理清楚（脑补一下就行）：ResearchSupervisor（总控）Tool: paper_hunter_tool → 调 PaperHunterAgentTool 推荐复现的论文（1~2 篇）及理由\n" "2. 数据集选择与预处理策略\n" "3. 2.
90410编辑于 2025-11-22腾讯云智能体开发平台：基于Agentic RAG与Multi-Agent架构加速企业AI业务落地
构建高确定性的企业级智能体开发与编排引擎 针对上述瓶颈，腾讯云提供了一套包含LLM、RAG、Workflow与Multi-Agent在内的企业级大模型应用开发框架，通过技术解耦降低开发门槛，确保系统稳定性 引入GraphRAG（知识图谱与知识树挖掘深层关联）与Text2SQL技术，结合自定义干预解析（OCR切分修正、文档比对去重），解锁结构化数据价值。 应用Multi-Agent协同架构（任务解耦执行）： 将复杂任务拆解给多个专业Agent并行处理。支持自由转交、工作流编排转交以及Plan-and-Execute (P&E) 协同模板。 释放AI自动化重塑业务链条的量化价值 通过引入上述智能体架构，企业在多个核心业务场景中实现了可量化的投资回报（ROI）与运营效率跃升。 全链路营销转化增长： 在一汽红旗的客服外呼与试驾邀约场景中，通过AI质检替代人工抽检，质检率从3%提升至100%，并实现实时话术漏洞识别，最终邀约到店率提升2倍。
52530编辑于 2026-04-25- 来自专栏DDD
架构与架构师2
最近闲了，看了几次李运华关于架构的视频，不禁再次反问架构是什么？架构师的职责是什么？ 对于这两个问题，之前也总结过一篇《架构和架构师》[1]，再结合他的专栏文章和视频，补充一下 架构 李运华给架构的定义：软件架构指软件系统的顶层结构，缩句成架构指结构，而结构的修饰语蕴含了太多东西，抽象不够直白 ，得行多少路，抽象了多少回，才有的认知，所以我也不打算靠记忆了，不过对于模块和组件的认知很独到 虽然架构定义众家纷说，但对于如何描述架构还是有共识的，那就是“4+1视图”，在《架构和架构师》[2]也描述了 架构师在国内，大多时候可能不是个岗位，而是个角色。大厂还有架构师一说，小厂难得有专职架构师，所以架构师职能还得多多取经大牛，学习一下大牛 架构师能力模型 ? 这个过程，回顾最近几个系统设计的确是这样的 1.业务方提出一个业务，刚开始可能只是个目标，轮廓2.与业务方、产品不停的交流，交流得越深入，需求就越明确3.理解业务并明确需求后，划分模块，不管是传统画ER
60510发布于 2021-03-23 - 来自专栏AI SPPECH
Multi-Agent 协作：分工、协作与冲突解决
文中通过 3 个完整代码实现、3 个 Mermaid 架构图表与大量实践案例，展示如何构建高效、稳定、可扩展的 Multi-Agent 协作系统，为 AI IDE 领域的工程实践提供可直接落地的技术方案 目录 1 Multi-Agent 系统的本质与价值 2 角色模型：Specialist 与 Generalist 的权衡 2.1 角色划分的理论基础 2.2 Specialist 的优势与局限 2.3 7.3 动态调度 7.4 自动扩缩容 8 实践：Planner-Coder-Reviewer 三 Agent 协作系统 8.1 系统架构 8.2 完整实现 9 最佳实践与设计模式 9.1 Multi-Agent 系统设计原则 9.2 常见架构模式 9.3 性能优化技巧 10 总结与展望 10.1 核心要点回顾 10.2 未来发展方向 附录 A：完整代码清单 A.1 核心数据结构和类型定义 A.2 Blackboard 2 角色模型：Specialist 与 Generalist 的权衡 2.1 角色划分的理论基础 在 Multi-Agent 系统中，角色划分是协作的基础。
21110编辑于 2026-05-28 - 来自专栏ops技术分享
Angular 2 架构（上)
Angular 2 应用程序应用主要由以下 8 个部分组成： 1、模块 (Modules) 2、组件 (Components) 3、模板 (Templates) 4、元数据 (Metadata) 5、数据绑定 实例 @Component({ selector : 'mylist', template : '<h2>菜鸟教程</h2>' directives : [ComponentDetails
2.3K10发布于 2021-07-26 - 来自专栏ops技术分享
Angular 2 架构（下)
---- 服务(Services) Angular2中的服务是封装了某一特定功能，并且可以通过注入的方式供他人使用的独立模块。 服务分为很多种，包括：值、函数，以及应用所需的特性。
3.5K20发布于 2021-07-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号