設計多智能體系統時真正幫到我嘅一篇文章

最近團隊喺度設計智能體系統。單個智能體已經有咗一定嘅掌握，但要將多個串埋一齊時，先發現要考慮嘅問題遠比想像中多。

用咩結構嚟編排？通訊點做？記憶體點管理？

後來搵到 Rohit Ghumare 寫嘅一篇文章，幾乎將我糾結嘅問題都釐清晒，同大家分享下。亦附上咗我自己嘅實戰經驗。

點解要用多智能體

之前嘅文章入面都提過，多智能體並唔係永遠都係最佳解。但上年一整年，我喺單智能體嘅上下文管理上反覆踩坑。

核心問題係：單智能體嘅上下文視窗好快就滿，一滿就容易唔記得上下文。再加上同時處理多個領域時，判斷力會明顯下降。

多智能體可以透過關注點分離嚟解決呢個問題，但代價係引入咗協調開銷。點樣管理呢個開銷先係關鍵，文章對此有好具體嘅討論。

三種編排模式

呢部分最實用。唔係按「邊個更型」嚟分類，而係按**「幾時用邊個」**嚟組織嘅。

監督者模式 (Supervisor)

管理智能體負責任務分解、分配俾工作者、彙總結果。

• 適合情境：任務可以明確拆分為子任務，或者需要追蹤稽核時
• 最佳規模：3-8 個工作者
• 注意：所有決策都經過監督者，容易變成樽頸位

群體模式 (Swarm)

冇中心管理者，智能體之間 P2P 直接通訊，自主組織。

• 適合情境：需要多角度分析，或即時回應好重要時
• 注意：重複工作、無限迴圈、次優收斂嘅風險。除錯非常困難

階層模式 (Hierarchical)

監督者模式嘅遞迴擴展。頂層 → 中層管理者 → 工作者嘅多層結構。

• 適合情境：智能體 10 個以上，需要分離策略同戰術時
• 注意：每增加一個協調層，token 成本急劇上升

從個人實踐嚟睇，監督者模式係最穩定嘅。關鍵在於工作者分配嘅效率同錯誤處理 - 做得唔好嘅話，管理智能體本身就會變成故障點。

智能體之間嘅通訊方式

如果話編排模式決定咗結構，噉通訊方式就決定咗資訊喺智能體之間實際點樣流動。

• 共享狀態 (Shared State)：所有智能體讀寫同一個狀態物件。實作簡單，除錯方便。大多數情況由呢度開始就夠
• 訊息傳遞 (Message Passing)：透過事件匯流排進行非同步通訊。需要智能體之間保持鬆耦合時用
• 交接 (Handoff)：智能體之間明確傳遞接力棒同上下文。適合固定順序嘅管線

多智能體嘅記憶體架構

核心問題好直接：*點樣喺共享狀態嘅同時避免衝突？*文章畀咗三種模式。

基於工作階段嘅記憶體 (Session-Based)

每個智能體喺隔離嘅本地狀態入面工作，完成後將變更合併到共享記憶體。

• 適合情境：平行工作者需要獨立工作互不干擾時
• 運作方式：工作階段開始時攞共享狀態快照，喺本地工作 → 工作階段結束時只合併差異
• 優勢：無衝突嘅平行處理

視窗記憶體 (Window Memory)

滑動視窗只保留最近 N 次互動，舊嘅內容壓縮為摘要。

• 適合情境：長對話入面需要保持上下文同時控制 token 消耗時
• 運作方式：視窗溢出時，將最舊嘅 1/3 壓縮為摘要
• 優勢：解決狀態無限增長嘅問題

情節記憶 (Episodic Memory)

儲存特定智能體組合嘅歷史協作紀錄同結果，用嚟學習優化。

• 適合情境：經常協作嘅智能體需要根據過去經驗進行改進時
• 運作方式：記錄邊啲智能體組合喺邊啲任務上成功或失敗
• 優勢：可以做出「上次呢個組合效果好，再用多次」噉嘅決策

生產環境注意事項

Token 成本

• 監督者 + 4 個工作者：分解 1K + 工作者 12K + 彙總 2K = 約 15K token
• 同一個任務用單智能體大約 4K。協調成本接近 4 倍
• 優化：快取監督者指令，工作者輸出用結構化資料，按需呼叫

延遲

• 每次 LLM 呼叫 2-5 秒，4 個智能體串列 12 秒，平行 3-4 秒
• 獨立任務一定要平行化

錯誤傳播防護

• 逾時：每一層都必須設定
• 熔斷器：連續失敗 N 次後停止呼叫該智能體
• 優雅降級：部分智能體唔可用時核心功能仍然運作
• 狀態隔離：工作者失敗唔可以污染共享狀態

睇唔到就整唔到。監控由第一日起就係必需品。

應該避免嘅反模式

• 過度編排：將本來可以獨立運行嘅智能體強行串聯
• 萬能智能體：一個做晒所有嘢，噉多智能體就冇意義
• 忽視成本：唔做 token 監控就上線，睇到帳單先嚇親
• 冇降級方案：假設所有智能體都永遠可用

總結

文章嘅結論最打動我：

先做一個智能體 → 搵到樽頸位 → 喺樽頸位加第二個智能體 → 需要嘅話加監督者 → 重複。

我一開始都係用階層模式做咗個宏大設計，最後簡化成監督者 + 3 個工作者。先將兩個智能體嘅穩定協作跑通，再向上擴展，呢個先係正確嘅路徑。

如果你喺度考慮多智能體系統，推薦讀下原文。

原文：Building Effective Multi-Agent Systems