- 综合排序
- 最热优先
- 最新优先
- 来自专栏前端达人
第11课：Multi-Agent 实战，并行编排的5种模式
Agent 有足够的独立上下文 不能并行的信号： ❌ "先做完A才能做B"（依赖关系） ❌ 两个 Agent 要改同一个文件（写冲突） ❌ 一个 Agent 的输入是另一个的输出 下面的5种模式会在具体场景中展示怎么判断和处理 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。 硬编码、废弃依赖、不一致的代码风格 迁移前分析："我们要从 REST 迁移到 GraphQL，先摸底" → 5个Explore分别扫描：所有API端点、请求/响应类型、前端调用点、中间件、测试覆盖 模式 模式2：分而治之——每人负责一个文件 应用场景：一个大任务可以按文件/模块拆分成多个独立子任务。 原理：每个 Agent 处理一个文件或模块，它们同时工作，互不干扰。
17210编辑于 2026-04-15 【Multi-agent实战】教你如何用Multi-agent分析开源Github项目
这其实就是典型 Single Agent / 单体脚本模式：一个脚本包揽所有流程，逻辑重叠、复用困难、很难自动化。 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？ 5.2 Multi-Agent 真正带来的东西？流程显式化：Config / Train / Eval / Viz / Report 都是独立节点；修改任意一环不影响其他节点。 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。
51420编辑于 2025-11-23- 来自专栏架构驿站
Multi-Agent ，知多少？
这种设计理念与人类的认知模式有着内在的相似性：面对棘手的问题时，我们首先会在脑中构筑出综合性的解决策略，然后再动用各种手段资源去一一实施，最终完成既定目标。 再者， Single-Agent 系统本质上是一种集中式的架构模式，这决定了它存在着极高的故障风险。 Multi-Agent 系统灵活可扩展的特性，使其可以更容易地适应不断变化的复杂业务环境和需求。 Multi-Agent 系统系统固有的分布式特征还赋予了它天然的容错性和健壮性。 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 此外，在需求变化剧烈、环境复杂多变的应用场景中，Multi-Agent 系统的适应性决策能力也将大放异彩。
2.1K10编辑于 2024-11-01 【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
58010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？ 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？ 节点粒度 和 显式图结构 来解决：planning 幻觉；粒度太碎 / 太粗；顺手准备了几个关于 LangGraph + Multi-Agent 的面经回答
1K10编辑于 2025-11-22- 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.
1.3K70发布于 2018-01-09 - 来自专栏AI那点小事
算法提高 9-2 文本加密
问题描述 先编写函数EncryptChar,按照下述规则将给定的字符c转化（加密）为新的字符：”A”转化”B”，”B”转化为”C”，… …”Z”转化为”a”，”a”转化为”b”,… …, “z”转化为”A”，其它字符不加密。编写程序，加密给定字符串。 样例输出 与上面的样例输入对应的输出。 例：
53540发布于 2020-04-20 【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。 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 于是，我们就可以设计一个 科研 Multi-Agent 小队： PaperHunterAgent：文献猎手 PaperAnalystAgent：论文分析师 ExperimentPlannerAgent：
71610编辑于 2025-11-22- 来自专栏mysql
hhdb数据库介绍(9-2)
例如"db01" （3.4节添加的物理库）； 备份用户：（选填）用于备份该物理库的用户名； 备份用户密码：（选填）用于备份该物理库的用户密码； 监听程序主机名：（选填）安装监听程序可用于解决计算节点集群模式的性能线性扩展问题
34610编辑于 2024-11-28 - 来自专栏Lan小站
试题 算法提高 9-2 文本加密
先编写函数EncryptChar,按照下述规则将给定的字符c转化（加密）为新的字符："A"转化"B"，"B"转化为"C"，... ..."Z"转化为"a"，"a"转化为"b",... ..., "z"转化为"A"，其它字符不加密。编写程序，加密给定字符串。
26320编辑于 2022-07-13 【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？” 一、先把概念掰开：单 Agent vs Multi-Agent 1.1 单 Agent：一个人又要算日期又要查天气还要写代码 你现在的 Demo 结构本质上是这样的： 用户问题 ↓ 一个 Agent 1.2 Multi-Agent：拆成“调度员 + 专家小组” 更工程一点的想法是： 既然人类解决问题是「项目经理 + 各种专家」的协作，那 LLM 也可以这么玩。 这样既复用你对 tools + Agent 的理解，又自然过渡到 Multi-Agent 体系。
2.4K10编辑于 2025-11-23- 来自专栏Agent
从零到一：手把手教你创建Multi-Agent模式的HR人事经理
本文正是在此背景下，详细记录了如何利用Multi-Agent（多智能体）模式，从零开始创建一个功能强大、体验逼真的“HR人事经理”AI智能体。 这里选择的是Multi-Agent模式，下面一步一步带大家看看模型方面不多说，肯定是选择最热门的模型，咱也是图方便提示词我就直接交给AI一件优化，毕竟别人优化后比咱写的确实要好很多，AI也比较懂AI一些 最具亮点的是，文章采用了Multi-Agent架构，通过创建“文档解析”子智能体并与主智能体建立清晰的转交关系，优雅地解决了简历文件上传与解析的难题，极大地增强了工具的实用性和鲁棒性。
62331编辑于 2025-12-04 - 来自专栏AI机器学习与深度学习算法
机器学习入门 9-2 逻辑回归的损失函数
本系列是《玩转机器学习教程》一个整理的视频笔记。在上一小节介绍了逻辑回归的大致框架，有了大致框架就需要建模来求解参数θ值。本小节重点介绍逻辑回归的损失函数。
1.3K10发布于 2020-02-26 【Multi-agent实战】 AI理财顾问实战项目
用 LangGraph 搭一个基金分析 Multi-Agent：给你打工人的「AI 理财顾问」✍ 前言上一篇我们用 LangGraph 搭了科研 Multi-Agent，这一篇换个更接地气的场景： “我每个月就能拿出 这就是一个很适合 Multi-Agent 的场景：把「信息搜集 → 指标计算 → 风险评估 → 资产配置建议 → 生成报告」 拆给不同的 Agent，最后 LangGraph 把流程编排成一张图。
65900编辑于 2025-11-22Multi-Agent 技术原理与落地场景全解析
当单个 AI 模型在复杂任务前显得力不从心 —— 比如既要检索文献又要撰写论文，既要处理数据又要生成报告，Multi-Agent（多智能体）技术应运而生。 PART 01 Multi-Agent 核心：不是 “多 AI 堆砌”，而是 “结构化协作” Multi-Agent 系统的本质，是让多个具备独立感知、决策、执行能力的智能体，通过预设规则或动态交互完成复杂任务 PART 02 主流协作模式：不同场景的 “组队方案” 根据任务需求，Multi-Agent 有五种典型协作模式，各有适配场景： 1. 混合式协作 融合多种模式（如 “主从规划 + 流水线执行”），适配企业数字化转型等中大型复杂任务，兼顾效率与灵活性。 Multi-Agent 的核心不是技术的叠加，而是协作模式的创新。它让 AI 从 “单打独斗” 变成 “专业团队”，正在重塑我们解决复杂问题的方式。随着技术成熟，更多行业将迎来效率革命.
1.4K10编辑于 2025-12-31- 来自专栏信数据得永生
django 1.8 官方文档翻译：9-2 本地特色附加功能
由于历史因素，Django自带了django.contrib.localflavor – 各种各样的代码片段，有助于在特定的国家地区或文化中使用。为了便于维护以及减少Django代码库的体积，这些代码现在在Django之外单独发布。
31340编辑于 2022-11-27 【Multi-agent实战】 AI论文秘书实战项目
这篇文章，我们不谈「怎么读论文」， 而是带你 从零搭一个论文精读 Multi-Agent 系统，让 LangGraph 来做这些事：帮你筛论文：从一堆候选中选出“值得精读 / 有复现价值”的；帮你结构化做笔记 我们先把「论文精读」拆到 Multi-Agent 的粒度：PaperCollector Agent（论文收集）输入：研究方向（例如 “generalizable deepfake detection” / “multi-agent RL for LLM”）输出：一组候选论文的元数据（标题、作者、年份、来源、链接）PaperTagger Agent（论文打标签）把每篇论文分到几个维度：任务类型：检测 / "url": "https://example.com/energy-forgery", }, { "id": "P003", "title": "Multi-Agent "- id: 论文 id\n" "- task_type: 任务类型（例如 detection / generation / representation / RL / multi-agent
66700编辑于 2025-11-22- 来自专栏码
传统Workflow与Multi-Agent workflow的区别
这也就意味着，我们需要让我们的工作系统，既支持multi-agent workflow模式，也支持在传统workflow模式中把agent作为节点的能力。 multi-agent本身实际上也是一个复合agent，因此，也可以作为传统workflow的节点。
1.2K10编辑于 2024-06-12 Multi-Agent 系统正在杀死传统产品经理
他接着说："我们刚上线的Multi-Agent系统，8个AI智能体协作，15分钟就能完成一个产品经理一周的工作量。" ！ 可见，Multi-Agent系统正在重塑整个产品开发生态，而大多数产品经理还浑然不觉。 当AI开始质疑人类的专业性 Multi-Agent系统的核心武器是知识库，但这也是最让专业人士不安的地方。 某互联网公司的产品总监告诉我一个细思极恐的细节："我们的Multi-Agent系统最近开始主动优化产品功能。 越来越多的企业发现，Multi-Agent系统不仅能提高工作效率，还能带来质的提升。
16210编辑于 2026-02-02Multi-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 在进行四种multi-agent的模式选择时可以参考这个选择依据你面对的主要约束推荐模式多个独立领域，需要并行执行，subagent不需要直接与用户交互Subagents单agent需要大量专业化方向， 团队分布式维护Skills顺序工作流，状态转换，agent全程与用户对话Handoffs独立垂直领域，并行查询多个来源再合成Router然而multi-agent相比单agent最明显的一个问题就是token 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。
3.1K42编辑于 2026-03-13
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