Loading...

💬

对话式编排

通过结构化对话模式实现的多智能体协调

复杂度: high工作流编排

In 30 seconds

What: 通过结构化的消息交换协调多个智能体：任何智能体都可以发言，上下文在多轮之间延续，参与方式随对话状态而调整。
When to use: 适用于需要在专业智能体之间来回往复的复杂工作流：下一步取决于此前智能体说了什么，顺序并非严格预先设定。
Watch out: 如果智能体缺少明确的退出条件，或上下文膨胀到无法可靠传递消息，对话就可能无限循环或跑偏。

Loading technique guide…

Patterns

Loading...

Loading Agentic Design…

Agentic Design面向生产环境 AI 智能体的模式与工具

专家支持价格

设计模式与技术

Loading...

💬

对话式编排

通过结构化对话模式实现的多智能体协调

复杂度: high工作流编排

In 30 seconds

What: 通过结构化的消息交换协调多个智能体：任何智能体都可以发言，上下文在多轮之间延续，参与方式随对话状态而调整。
When to use: 适用于需要在专业智能体之间来回往复的复杂工作流：下一步取决于此前智能体说了什么，顺序并非严格预先设定。
Watch out: 如果智能体缺少明确的退出条件，或上下文膨胀到无法可靠传递消息，对话就可能无限循环或跑偏。

核心机制

通过结构化、有状态的对话实现多智能体协同。主管/路由器依据意图、上下文和策略决定下一个发言或行动的智能体；各智能体交换消息、调用工具并更新共享的会话状态。编排器维护记忆、执行护栏，并在满足成功标准时终止，产出经过归纳且可追溯的结果。

工作流 / 步骤

接收：规范化目标、约束、用户画像以及初始上下文/记忆。
初始化角色：注册智能体与工具；定义能力与策略。
轮次循环：路由 → 智能体发言/行动 → 工具/检索 → 观察 → 更新共享状态。
安全：每一轮都施加输入/输出过滤、校验与授权范围。
停止：通过启发式规则或显式的成功判定条件检测完成或僵局。
总结：提炼最终答案、信息来源与后续步骤建议。
学习：记录追踪、评测与成本；依据结果优化路由与提示词。

最佳实践

使用带类型化状态的显式路由器/主管；保持各步骤幂等。

路由与批评环节优先使用小而快的模型；把大模型留给困难推理。

限制循环：最大轮数、每轮 token 上限、挂钟超时与取消机制。

通过摘要与基于 schema 的上下文打包维护会话记忆。

埋点记录追踪、成本、时延、工具 I/O 与安全事件；补充回归评测。

对凭证实行最小权限；校验工具输出；实现熔断机制。

设计清晰的角色提示词与消息 schema，避免歧义与来回踢皮球的循环。

何时不应使用

单一智能体或工具即可在 SLO 内完成的简单单步任务。
p95 时延预算紧张、对轮次切换开销敏感的严格实时路径。
缺乏人工复核、审计或健全策略执行的高风险操作。
缺乏可观测性、评测体系与运维成熟度、无法监控多智能体流程的团队。

常见陷阱

智能体之间来回踢皮球与递归调用，导致成本与 token 暴涨。
跨轮次的上下文漂移与共享状态陈旧、不一致。
未经校验的工具副作用、缺乏幂等性，或重试时产生重复写入。
权限蔓延：为众多智能体授予过宽的 API 范围或长期有效的密钥。

核心特性

具备策略与能力感知路由的主管/路由器

用于结构化对话的角色注册表与消息 schema

带摘要与检索集成的有状态记忆

带校验与护栏的工具/函数调用

在安全前提下带仲裁/共识的并行子线程

面向复杂流程的图式控制（如状态图）

人在环中的交接与升级路径

完整可观测性：追踪、指标、审计

KPI / 成功指标

任务解决率；交接成功率；使用评审/仲裁时的一致性。
解决所需轮数；端到端 p50/p95 时延；卡住/中止会话的比例。
每次成功解决的成本/token；路由器相对于标注真值的准确率。
升级至人工的比例；安全干预频率；按故障类型的 MTTR。

Token / 资源消耗

限制轮数与每轮 token；压缩上下文；缓存会话摘要。
路由与分类使用小模型；批量执行安全的工具调用；尽可能并行化。
施加背压与队列；为每条边设置超时与熔断；流式输出中间结果。
为记忆条目设置 TTL；对状态做检查点以便恢复；避免无界扇出。

最佳应用场景

结合工具调用、检索与结构化升级的客服工单分诊。
借助专家辩论/评审模式的研究、分析与文稿撰写。
多角色协作的事件响应与运维手册执行。
借助角色化助手与护栏的销售需求发掘与方案设计。

参考资料与延伸阅读

学术论文

实现指南

工具与库

社区与讨论

Loading technique guide…

Patterns

设计模式与技术

Loading...

核心机制

工作流 / 步骤

接收：规范化目标、约束、用户画像以及初始上下文/记忆。
初始化角色：注册智能体与工具；定义能力与策略。
轮次循环：路由 → 智能体发言/行动 → 工具/检索 → 观察 → 更新共享状态。
安全：每一轮都施加输入/输出过滤、校验与授权范围。
停止：通过启发式规则或显式的成功判定条件检测完成或僵局。
总结：提炼最终答案、信息来源与后续步骤建议。
学习：记录追踪、评测与成本；依据结果优化路由与提示词。

最佳实践

使用带类型化状态的显式路由器/主管；保持各步骤幂等。

路由与批评环节优先使用小而快的模型；把大模型留给困难推理。

限制循环：最大轮数、每轮 token 上限、挂钟超时与取消机制。

通过摘要与基于 schema 的上下文打包维护会话记忆。

埋点记录追踪、成本、时延、工具 I/O 与安全事件；补充回归评测。

对凭证实行最小权限；校验工具输出；实现熔断机制。

设计清晰的角色提示词与消息 schema，避免歧义与来回踢皮球的循环。

何时不应使用

单一智能体或工具即可在 SLO 内完成的简单单步任务。
p95 时延预算紧张、对轮次切换开销敏感的严格实时路径。
缺乏人工复核、审计或健全策略执行的高风险操作。
缺乏可观测性、评测体系与运维成熟度、无法监控多智能体流程的团队。

常见陷阱

智能体之间来回踢皮球与递归调用，导致成本与 token 暴涨。
跨轮次的上下文漂移与共享状态陈旧、不一致。
未经校验的工具副作用、缺乏幂等性，或重试时产生重复写入。
权限蔓延：为众多智能体授予过宽的 API 范围或长期有效的密钥。

核心特性

具备策略与能力感知路由的主管/路由器

用于结构化对话的角色注册表与消息 schema

带摘要与检索集成的有状态记忆

带校验与护栏的工具/函数调用

在安全前提下带仲裁/共识的并行子线程

面向复杂流程的图式控制（如状态图）

人在环中的交接与升级路径

完整可观测性：追踪、指标、审计

KPI / 成功指标

任务解决率；交接成功率；使用评审/仲裁时的一致性。
解决所需轮数；端到端 p50/p95 时延；卡住/中止会话的比例。
每次成功解决的成本/token；路由器相对于标注真值的准确率。
升级至人工的比例；安全干预频率；按故障类型的 MTTR。

Token / 资源消耗

限制轮数与每轮 token；压缩上下文；缓存会话摘要。
路由与分类使用小模型；批量执行安全的工具调用；尽可能并行化。
施加背压与队列；为每条边设置超时与熔断；流式输出中间结果。
为记忆条目设置 TTL；对状态做检查点以便恢复；避免无界扇出。