多智能体架构如何选型与避坑
文章从分布式系统角度梳理多智能体协作的设计模式与反模式,给出判断是否需要多个智能体的框架。内容结合制造业经验,讨论在 AWS 上构建可靠、成本可控系统的方法。
AI 深度解读
多 Agent 系统效果不好,先别急着换模型。AWS ML Blog 这篇文章的核心判断是:多 Agent 协作首先是分布式系统问题,任务怎么拆、状态怎么传、失败怎么停,往往比模型选型更影响结果。
作者把协作方式分成预设流程与模型自主调度两层,建议先用确定性流程证明价值,再为确实需要探索的任务增加自主性。制造业案例尤其值得程序员看:产线会把延迟、状态过期和错误执行的代价放大,逼着架构回答日常 AI 编程中容易被忽略的问题。
能画出流程,就先别让模型决定流程
文章将协作模式分为两层,区别在于谁控制下一步。
Tier 1 由开发者提前定义路径,包含四种模式:
- Sequential Pipeline 按 A → B → C 顺序执行,例如提取、转换、校验,适合文档处理、ETL 和保修申请分流。
- Conditional Workflow 根据结果分支,例如写代码、测试,通过后部署,失败后重试。最多重试 N 次,随后转人工,次数由 AWS Step Functions 等编排层限制。
- Conditional Router 在入口分类,每次请求只走一条路径,例如分别交给质量、维护或排班 Agent。
- Parallel Workflow 将独立任务并发执行,最后汇总;某一路失败,只重试该路。
并行模式的价值很具体:财务、地缘政治、物流分析各查各的数据,等待时间主要取决于最慢的一路,再加汇总开销。不过,并发的前提是子任务能够独立推进,不能只靠多建几个角色实现。
Tier 2 则由模型在运行时决定路径。作者强调的门槛是:只有连子任务都需要在执行中发现时,自主多 Agent 才值得优先考虑。
单个 Agent 动态规划、调用工具、检查结果,并不自动构成多 Agent 需求。如果工作路径已知,选择通常只是带工具的单 Agent,或者 Tier 1 工作流。
自主协作的关键,是谁持有状态
Tier 2 中,作者讨论了四种协作方式。理解它们,最好先看任务状态放在哪里。
计划式编排由一个总调度 Agent 维护计划、分工和依赖。它看全部上下文,worker 只接收自己的任务片段,并保持无状态、相互独立。某个 worker 失败,总调度只重试它,避免整个流程重跑。
Handoff 是局部交接。客服可以把任务转给技术支持或账单 Agent,技术支持再转给高级工程师。这里真正要交出去的是经过校验的任务状态、支撑证据和未解决问题,不能只有一段聊天摘要。否则,下一个 Agent 还得重新猜测哪些内容已经确认。
群聊模式让所有 Agent 共享对话,状态隐含在历史消息里。下一位发言者可以按 round-robin 固定轮换,也可以由 AI 根据上下文选择。它组织起来直观,但广播消息和不断增长的历史都会增加成本。
独立评估或辩论模式则要求各 Agent 先独立判断,再通过多数票、裁判 Agent 或人工升级处理分歧。如果先看了彼此的推理,很容易得到相互附和,而非有价值的不同意见。
作者认为辩论是这里最昂贵的模式,应留给低频、高代价决策;对感知任务,它可能只增加延迟。所给原文没有展开对应的质量检测对照实验,不能据此推导出辩论普遍无效。
真正烧预算的,是交接、重试和过期状态
文章用一个简化模型说明链路风险:每步可靠率都是 95%,10 步串行后的端到端可靠率约为 59.9%,20 步约为 35.8%。这个模型假设严格串行且没有重试,计算上也隐含了各步成功率可以相乘的条件,并非所有系统的实测结果。
但它提醒得对:新增一次依赖交接,就新增一个需要管理的失败点。
作者列出的五种反模式,分别是职责过大的 Agent、无限重试、无结构文本交接、不必要的多 Agent,以及未经审批就执行现实动作。比如把 OEE 分析、PLC 诊断和维护塞进一个带 15 个以上工具的提示词,会让工具选择和故障归因变难。作者建议拆成边界清楚、各自不超过 5 个工具的 Agent。
自由文本交接的风险更隐蔽:「可能磨损」经过几轮转述,变成「确认磨损」,最后生成维护工单。这里缺的是 schema、证据和状态约束,光要求模型「认真一点」解决不了。
制造业进一步给出四个硬约束。
第一是节拍。汽车焊装车间通常每小时生产 60 台,超过 40 个工位各有 60 秒节拍;瓶颈处即使损失 2% 吞吐量,也可能影响全年收入。因此要按 p99 分配延迟预算,并准备亚秒级确定性回退。普通质量提示可以放行后标记复检,安全相关问题则应隔离或确定性停机。
第二是安全边界。MES 可能还显示 Station 12 在生产 Part #A,PLC 人工覆盖却已切到 Part #B;维护 Agent 也可能错误判断 Station 7 可进入,忽略仍在运行的 Station 6。作者要求保留 PLC、SCADA、MES 的确定性核心,让 Agent 负责观察、分析和建议。
建议执行前,要经过 schema 校验、物理仿真,并即时核对 OT 的真实状态,不能使用超过一个生产周期的缓存。审批按范围分为 Level 0 自主处理、Level 1 操作员确认、Level 2 工程师判断、Level 3 管理层评估停线建议。
第三是边缘数据。一台冲压机每天产生 50+ GB 传感器数据,部分价值在毫秒内衰减。AWS IoT Greengrass 等边缘环境负责及时检测和提出建议,PLC 执行;云端处理跨班次分析、跨工厂趋势和模型重训。
第四是记忆周期。Agent 按班次初始化上下文,班内积累工作记忆,班末交接未解决问题、异常和建议,避免无限追加历史。
我的判断
最有价值的建议,是先证明拆分收益,再支付协调成本。
这适用于 AI 编程:写代码、跑测试、根据报错修改,通常已经有明确的行动与验证循环。仅仅把它们命名为「开发 Agent」「测试 Agent」「修复 Agent」,不能证明拆分更有效。
不过,文章里的若干数字和门槛需要保留判断。约 88% 的 AI 试点无法进入生产,以及协作收益在约 4 个 Agent 后趋平,所给原文没有提供足够的样本与测量细节。Stanford HAI 关于两个模型协作可能不如单独工作的结论,也不能扩展成所有任务的统一规律。
「每个 Agent 不超过 5 个工具」可以当检查信号,不能当硬标准。文章另一处又主张,同一领域即使工具很多也应优先交给一个 Agent;两者需要结合职责边界理解。
作者还列出不同模型、不同工具权限、并发执行、真实依赖等拆分依据,但没有把「至少满足两项」的规则解释得足够严密。这些更适合作为经验检查表,而非架构准入公式。
制造业的审批链也有明确前提。推荐 → Amazon Bedrock Guardrails → schema 校验 → 业务规则 → 人工审批 → 执行,是面向现实动作的纵深防御示例。不能期待其中某一层独自保证正确,也不必把同样的审批强度机械搬到所有只读任务。
能拿来做什么
- 给现有 AI 编程流程画出执行路径。如果主要是读取需求、修改代码、运行测试、修复失败,先用单 Agent 或确定性工作流,并在代码层设置最多 N 次重试、token 上限和超预算自动停止。
- 确实需要多个 Agent 时,把交接改为结构化数据,明确记录已验证事实、证据、待确认假设和未解决问题,避免把推测转成确定结论。
- 对独立的数据分析采用并行执行和统一汇总,并记录各分支耗时与失败率;只有拆分收益覆盖调度、等待和汇总成本,才保留这层复杂度。
- 把模型建议和执行权限分开。涉及部署、邮件或其他外部动作时,按影响范围设置确定性校验与审批;长任务则按工作阶段整理交接状态,避免一直堆积对话历史。