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2025年下半年gpt-5,opus-4系列开始,前沿模型迭代加速,agentic能力成为了模型发布时重点突出的一等公民。 GPT-5系列把tool_search、compaction、computeruse直接内置为模型原生能力,codex系列模型也开始与opus模型在AIcoding领域分庭抗礼,部分早期benchmark 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。 研究数据:调试多agent系统所花费的时间是单agent的3–5倍,工程团队40%的sprint时间可能都花在排查agent行为上,而不是构建新功能。
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。 耗时:5小时。多Agent模式:AgentA(数据猎手):专门负责全网搜索2025-2026的最新数据,只找干货。AgentB(批判家):专门负责挑刺,分析现有观点的漏洞。 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。 配置:AgentA(选题官):根据热搜榜,提供5个爆款选题。AgentB(大纲手):针对选中的选题,写出详细的文章大纲。AgentC(撰稿人):根据大纲撰写正文,风格幽默。 同时监控5个以上的任务线会让你应接不暇,且容易导致上下文混乱。建议:控制在3-5个子Agent以内。如果任务更多,可以分批次进行。5.4成本与资源意识每个子Agent都在消耗Token和算力。
模式1:分析群集——5个侦察兵同时出发 应用场景:需要快速理解一个你不熟悉的模块、项目、或问题域。 原理:启动多个 Explore Agent,每个从不同角度扫描,结果汇总后你就有了全面的地图。 完整示例:1分钟内理解一个陌生项目 我刚接手一个新项目,需要快速了解它的架构。 同时启动5个 Explore Agent 并行扫描: 1. 认证和权限:理解认证流程、中间件链、权限控制方式 (thoroughness: quick) 5. 配置和环境:找到所有配置文件、环境变量、第三方服务集成 (thoroughness: quick) 5个任务互不依赖,并行执行。完成后给我一份综合概览。 " → 5个Explore分别搜索:直接调用方、间接引用、测试文件、文档引用、配置引用 技术债评估:"扫描一下项目里有哪些技术债" → 5个Explore分别检查:超长文件、无测试覆盖的模块、硬编码、
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。 这与单一代理系统由于其封闭集中式设计,每次功能扩展都需要对整体架构做根本性的修改形成鲜明对比。 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
❝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。❞
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( 它还能设置"熔断"规则——如果一个Agent连续5次没有产出有效结果,自动终止该Agent。5.3 安全围栏(Guardrails):Agent间的"零信任"Multi-Agent意味着攻击面倍增。
跑一遍 forward,收集 preds / labels # 5. 调用 get_test_metrics 计算 AUC/EER/AP pass问题在哪? alpha=0.6, label="fake") plt.scatter(feat_2d[neg, 0], feat_2d[neg, 1], s=5, alpha=0.6, label="real 下一步就是把它们塞进 Multi-Agent 工作流里。 特征可视化分析(引用 tsne 图像路径)5. 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?
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。 无独有偶,最近Anthropic分享了他们构建多智能体(Multi-Agent)系统的最佳实践,核心是八条提示工程与评估原则。 ,其架构模式为编排器-工作器模式,即一个主智能体(Lead Agent)+多个子智能体(Subagents)的架构。 5、Let agents improve themselves:让智能体学会自我迭代/改进。 6、Start wide, then narrow down:先尝试广泛探索,然后逐步缩小范围。 ://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。
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? 预估训练时间(粗略即可)\n" "5. 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? Q3:如果后续要在这个科研 Multi-Agent 里加入“在线强化学习 / 评分器调整策略”,LangGraph 还能 hold 住吗?
【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
【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。 ), ) # ========= 5.
VAIN: Attentional Multi-agent Predictive Modeling[J]. arXiv preprint arXiv:1706.06122, 2017.
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? 西部世界,模拟社交场景; chatDev:自动化程序员; 宝可梦自动化游戏:https://github.com/OpenBMB/AgentVerse/blob/main/README_zh.md#%E5% AE%9D%E5%8F%AF%E6%A2%A6%E6%B8%B8%E6%88%8F 2.5 小结 通过上面的介绍,相信你已经对于LLM应用中对自动化能力探索的四个发展阶段:Prompt阶段,Chain 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。
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。 5、编译图。6、执行工作流。 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。 收到助手的预订确认后,记录结果\n" "5.
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。 ─────────────────────────────────────────────────┘Nature这篇论文的解法不是"再造一个更强的RAG",而是把检索、推理、协同三件事重新放回一个统一架构里 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┌──────────────────────────────────────────────── 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│(
Spring 5的模块结构如下图所示。 [file] 组成Spring框架的每个模块都可以单独存在,也可以将一个或多个模块联合实现。下面分别介绍每类模块的组成和功能。 3 数据访问与集成 数据访问与集成由spring-jdbc、spring-tx、spring-orm、spring-oxm和spring-jms 5个模块组成。 5 通信报文 通信报文即spring-messaging模块,它是Spring 4新加入的一个模块,主要职责是为Spring 框架集成一些基础的报文传送应用。 8 各模块之间的依赖关系 Spring官网对Spring 5各模块之间的关系做了详细说明,如下图所示。 [file] 下图对Spring 5各模块做了一次系统的总结,描述了模块之间的依赖关系,希望能对“小伙伴们”有所帮助。 [file]
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。 这篇就带你搞一个科研向 multi-agent 实战项目:场景: 想做一个「CLIP 在伪造检测 / 多模态安全」方向的小综述 + baseline 实验规划;目标: 让一组 Agent 帮你:自动搜集相关论文 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 预估训练时间(粗略即可)\n" "5.
企业往往拥有海量的结构化与非结构化数据,但在实际业务调用中遭遇以下核心阻碍: 传统搜索架构的精度天花板: 传统的ES(Elasticsearch)搜索依赖关键词匹配,面对复杂语义时精度低、结果不全;同时 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 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。 以下为三大核心业务指标提升表现: 运维与检索效率重构: 在医疗客户IT行政助手场景中,支持全集团超2.9万用户规模,通过混合检索(ES+语义理解),知识搜索效率提升至5-10秒,同时知识管理人工投入减少
Spring 5的模块结构如下图所示。 组成Spring框架的每个模块都可以单独存在,也可以将一个或多个模块联合实现。下面分别介绍每类模块的组成和功能。 4.3 数据访问与集成 数据访问与集成由spring-jdbc、spring-tx、spring-orm、spring-oxm和spring-jms 5个模块组成。 4.8 各模块之间的依赖关系 Spring官网对Spring 5各模块之间的关系做了详细说明,如下图所示。 下图对Spring 5各模块做了一次系统的总结,描述了模块之间的依赖关系,希望能对“小伙伴们”有所帮助。
Spring 5的模块结构如下图所示。 [图片1.png] 组成Spring框架的每个模块都可以单独存在,也可以将一个或多个模块联合实现。下面分别介绍每类模块的组成和功能。 3 数据访问与集成 数据访问与集成由spring-jdbc、spring-tx、spring-orm、spring-oxm和spring-jms 5个模块组成。 8 各模块之间的依赖关系 Spring官网对Spring 5各模块之间的关系做了详细说明,如下图所示。 [图片2.png] 下图对Spring 5各模块做了一次系统的总结,描述了模块之间的依赖关系,希望能对“小伙伴们”有所帮助。 [图片3.png] 本文为“Tom弹架构”原创,转载请注明出处。 关注微信公众号“Tom弹架构”可获取更多技术干货!