Newshot

多智能体设计模式、反模式分类及制造业经验教训

AI summary

企业团队正在构建多智能体系统,早期实施效果不佳的原因通常不在模型本身。多智能体协调是一个分布式系统问题,而许多接手此事的团队尚未建立起分布式系统的直觉。各来源数据一致:约88%的AI试点从未进入生产环境。斯坦福HAI证明,当协调开销超过收益时,两个模型协作的表现可能不如各自单独运行。模式很清楚:团队增加复杂度的速度快于他们建立理解的速度。十个每一步95%可靠的步骤,端到端可靠性仅为59.9%,二十个步骤则降至35.8%。本文介绍如何判断一个用例是否需要多个智能体、选择协调模式,并及早识别代价高昂的反模式。

Translation(model translation, not the source's own text)

文章标题:多智能体设计模式、反模式分类,以及来自制造业的经验

正文: 企业团队正在构建多智能体系统,而当早期实现效果不佳时,原因很少出在模型上。多智能体协调是一个分布式系统问题,而许多着手此事的团队尚未建立起分布式系统的直觉。

各方数据相互印证:约88%的AI试点项目从未进入生产环境。Stanford HAI 的研究表明,当协调开销超过收益时,两个模型协作的表现可能比各自单独工作更差。模式很清晰:团队增加复杂度的速度快于其建立理解的速度。十个每一步可靠性为95%的步骤,端到端可靠性仅为59.9%,而二十个步骤则降至35.8%。这个示例模型假设的是严格串行、无重试的链条,但方向是成立的:每一次依赖性的交接都会放大风险。

在本文中,你将了解如何判断某个用例是否需要多个智能体、如何选择协调模式,以及如何及早发现代价高昂的反模式。你还会看到节拍时间、安全边界、边缘数据和班次周期如何塑造架构。

多智能体协调模式

协调模式根据谁控制流程分为两个层级。在第1层中,由你定义路径。

在第2层中,模型在运行时选择路径。这种灵活性可以处理那些无法预先定义步骤的工作,代价是更高的 token 消耗、延迟和调试成本。实践中默认的做法是:从第1层开始,只有当子任务在工作过程中涌现出来时,才将任务迁移到第2层。

第1层:模式(确定性控制流)

1.1 顺序流水线:实现线性执行的编排模式,每个节点的输出馈入下一个节点(A -> B -> C),支持具有可预测执行时序的有序处理

在下图中,输入流向智能体A(提取),然后流向智能体B(转换),再流向智能体C(校验),最后输出。用户在构建时定义该顺序,运行时不做任何决策。因此,流水线易于调试和测试,且成本可预测。典型适用场景包括文档处理、提取-转换-加载(ETL)链,以及保修索赔分诊。

顺序流水线:输入流经提取、转换和校验智能体直至输出
顺序流水线:输入流经提取、转换和校验智能体直至输出

图1:顺序流水线,每个智能体的输出馈入下一个,从提取到转换再到校验

1.2 条件工作流:基于逻辑的边按条件选择下一个节点,因此工作流可以分支,将每个案例送入不同的路径。

在下图中,用户请求流向智能体A(编写代码),然后流向智能体B(测试代码)。通过/失败检查将通过的工作送往智能体D(部署)。失败的工作循环回智能体A重试,最多N次,然后升级给人工处理。编排层强制执行该上限,例如通过 AWS Step Functions 的迭代限制,从而避免循环变成本文后面描述的无界迭代反模式。

条件工作流:测试智能体通过的工作进入部署,失败的工作循环回编写智能体
条件工作流:测试智能体通过的工作进入部署,失败的工作循环回编写智能体

图2:条件工作流,失败时最多重试N次,然后升级给人工处理

1.3 条件路由器:

一个分类步骤检查输入并将其导向适当的处理路径。每个请求只执行一条路径。最适合意图驱动的分派、质量门决策、客户咨询路由和异常分诊。

文章标题:多智能体设计模式、反模式以及来自制造业的经验分类

正文: 下图展示了工厂主管的请求被分类器读取,并发送给恰好一个专家。关于零件是否符合规格的问题交给质量智能体,逾期设备维护交给维护智能体,班次变更交给调度智能体。这一决策在入口点完成。

条件路由器将每个请求沿单一分类处理路径发送
条件路由器将每个请求沿单一分类处理路径发送

图 3:条件路由器,每个请求运行一条路径,并在升级到人工之前进行有限次重试

1.4 并行工作流:任务拆分为独立的子任务,在多个处理器上同时运行,每个处理器处理自己的数据。当所有处理器完成时,一个扇入步骤合并结果,某一条路径失败时只重试该路径。最适合多源分析、批处理以及可分解为独立部分的工作。

在下图中,一个研究编排器分解任务,并将其分派给三个并发运行的专家智能体:一个金融数据智能体、一个地缘政治智能体和一个物流智能体,每个智能体分析自己的来源。一个合并步骤等待全部三个智能体完成,然后综合结果、解决冲突并对发现进行排序。延迟等于最慢的单个智能体,而不是三者之和。

并行工作流扇出到并发运行的金融、地缘政治和物流智能体
并行工作流扇出到并发运行的金融、地缘政治和物流智能体

图 4:并行扇出到专家智能体,随后是一个扇入步骤,对结果进行综合和排序

第 2 层:自主模式(由 LLM 决定控制流)

在自主模式中,控制流由 AI 模型本身在运行时决定,而不是由开发者预定义。智能体读取任务状态,推理所需内容,并通过共享上下文进行协调,而不是沿固定路径运行,其范围从结构化编排到完全涌现行为。

2.1 基于计划的编排

在基于计划的编排中,单个编排器智能体充当项目经理。编排器维护一个明确的任务计划,包含分配和依赖关系,能看到所有上下文,而每个工作器只收到自己那一部分,根据当前计划动态分配工作,并集中监控进度。关键设计选择是工作器无状态且相互独立。如果一个失败,不会污染其他工作器。编排器只重试失败的工作器,而不是整个工作流。

下图展示了规划器智能体如何将任务分解为明确的计划,并将每个步骤分派给工作器智能体。每个步骤交给一个专用工作器(研究智能体、分析智能体和报告智能体),它只能看到分配给自己的那一部分。

基于计划的编排,规划器智能体将步骤分派给研究、分析和报告工作器
基于计划的编排,规划器智能体将步骤分派给研究、分析和报告工作器

图 5:基于计划的编排,规划器智能体将每个步骤分配给无状态工作器智能体

2.2 交接模式

智能体以有限的本地知识运行,并通过点对点委托进行协调。每个智能体根据任务及其所知道的智能体,在本地决定何时转移控制权以及转移给谁。控制权随状态一起传递:每次转移都携带经过验证的任务状态、其背后的证据以及任何未解决的问题,因此接收智能体是继续执行,而不是重新解释一份摘要。仅通过对话进行的交接不算交接。

在下图中,客户服务智能体将控制权连同其上下文转移给技术支持智能体或计费智能体,技术支持可以进一步交接给高级工程师。每个智能体只知道它可以转移给的一小部分同伴。

客服 agent 将控制权移交给技术支持或账单 agent 的交接模式
客服 agent 将控制权移交给技术支持或账单 agent 的交接模式

图 6:交接模式通过本地委派在同级 agent 之间传递已验证状态

2.3 对话驱动模式

在对话驱动模式(也称群聊模式)中,所有 agent 参与一段共享对话,编排通过轮流发言涌现出来,而非依赖显式计划或结构化交接。这类似于人类团队协作:每个人都能看到讨论内容,并在合适的时候贡献意见。

在下图中,一个 agent 选择机制决定轮到谁发言,agent A、B 和 C 各自向同一段共享对话中添加内容,每一轮都是一条消息加一次工具调用。选择机制设定轮流规则,状态隐式地存在于对话历史中。

对话驱动模式:选择机制在共享对话中依次将发言权交给 agent A、B 和 C
对话驱动模式:选择机制在共享对话中依次将发言权交给 agent A、B 和 C

图 7:对话驱动模式,轮流机制选择下一个 agent,状态存在于对话中

控制流特征:

  • 可见性:广播式,所有 agent 都能观察到共享对话中的所有消息。
  • 决策方式:根据对话上下文选择下一位发言者,而非预先确定的计划。
  • 状态管理:隐式存在于对话历史中。
  • 轮流方式:由选择机制决定(轮询、AI 驱动)轮询。agent 按固定、重复的顺序轮流发言,直到满足终止条件,因而具有可预测性。AI 驱动。由模型根据对话上下文选择下一位发言者,而非固定顺序。
  • 轮询。agent 按固定、重复的顺序轮流发言,直到满足终止条件,因而具有可预测性。
  • AI 驱动。由模型根据对话上下文选择下一位发言者,而非固定顺序。

2.4 辩论/共识

多个 agent 独立评估同一输入,其结论通过多数表决、裁判 agent 或在存在分歧时升级上报来协调统一。与对话驱动模式不同,agent 在表明立场之前看不到彼此的推理过程,正因如此,分歧才具有信息价值,而不会因社会性趋同而被抹平。

谨慎使用。辩论是这里成本最高的模式,而且在感知类任务上,它换来的是延迟而非准确率(参见后文反模式 3 中的质检案例)。应将其保留给高风险、低频次的决策场景,在这类场景中,出错的代价高于斟酌的代价。

混合方法

在实践中,大多数生产系统会基于任务分解组合多种模式:

  • 对可预测、易于理解的组件使用工作流模式。
  • 在灵活性和适应性至关重要的地方应用自主模式。
  • 在所有编排类型中一致地实现任务管理模式(终止、委派)。
  • 设计分层组合,让复杂 agent 在内部不同层级使用不同模式。

主导原则:模式与任务对齐。让编排方式匹配每项任务的固有特征和系统的可靠性要求,而不是强行让所有任务都走单一模式。

消耗预算的反模式

以下五种反模式在设计阶段看起来都很合理,但每一种都会在后期暴露为膨胀的 token 成本、错过的节拍时间窗口,或悄然与车间实际脱节的决策。

1. 上帝 agent

文章标题:多智能体设计模式、反模式及来自制造业的经验分类学

正文: 一个智能体在单个提示下负责整体设备效率(OEE)分析、可编程逻辑控制器(PLC)诊断和维护,并配有 15 个或更多工具。随着工具增多,工具选择能力下降,故障也变得难以归因。

修复方案:将智能体限定在五个或更少的工具范围内,例如 OEE 分析师、故障诊断员和维护起草员。

2. 无界迭代

智能体在“再试一次”上循环,没有硬性停止。一个四智能体系统在单次重试前就可能消耗显著更多的 token,而没有任何一次调用触发警报。重试会放大协调失败,而不是修复它们。

修复方案:在代码中设置硬性迭代上限、每智能体 token 上限、预算警报并接入自动停止。由基础设施强制执行限制。模型不会自己停下来。

3. 自然语言契约

智能体之间传递没有模式的自由文本散文。解释在每一跳都会硬化:“可能表明磨损”变成“确认磨损”变成维护工单。这种漂移发生在智能体之间,也就是追踪最薄弱的地方。

4. 过早多智能体

本可以用一个带工具组的智能体完成,却用了多智能体。每个智能体都会增加协调税,而且不是线性的,收益在四个左右趋于平缓。大多数“专家”只是同一个模型换了不同装扮。

修复方案:需要至少两个不同的模型、不同的工具访问权限、并发执行和真正的相互依赖。少于两个,一个带行动组的智能体就能完成。

测试:一个智能体能否通过切换工具来处理这些阶段?如果可以,那就不是多智能体问题。

5. 无防护的客户接触

智能体在没有审批步骤的情况下触发现实世界行动(电子邮件、服务访问、机器参数)。幻觉跨越到物理世界,不可逆行动会叠加,责任从退款升级到产品责任。

修复方案:纵深防御:建议 → Amazon Bedrock Guardrails → 模式验证 → 业务规则 → 人工审批 → 执行。

智能体输出到达客户或安全系统的每一个点都是信任边界。

选择架构

在了解了这些模式和反模式之后,架构选择归结为一系列简短的问题。

  • 任务是否需要文本生成之外的动作?将直接模型调用视为基线,只在有可测量理由时添加编排。总结文档或根据规范生成代码很少提供这样的理由。
  • 解决方案路径是否事先已知?如果你能写下什么按什么顺序发生,你就根本没有“多少个智能体”的决策。你真正的选择更简单:一个调用工具的智能体,或一个 Tier 1 工作流。
  • 工作是否需要真正不同的专业知识?具有既定交接的独立领域可以证明专用智能体是合理的。单一领域属于一个智能体,无论它需要多少工具。
  • 解决方案是否只能通过探索才能浮现?当动作序列已知并且可以作为行动-验证循环运行时,它属于单个智能体,即使是动态规划步骤的智能体。只有当子任务本身是在工作过程中被发现时,Tier 2 才值得其额外成本、延迟和调试负担。

下面的决策树将这四个问题转化为一条你可以从上到下遵循的路径。

基于任务是否需要动作、已知路径、不同专业知识或探索来选择架构的决策树
基于任务是否需要动作、已知路径、不同专业知识或探索来选择架构的决策树

图 8:选择最简单架构的决策树,从单个模型调用到 Tier 2 多智能体模式

文章标题:多智能体设计模式、反模式与制造业经验的分类体系

正文: 这棵决策树首先问:任务是否需要超出文本生成的动作。如果不需要,一次简单的模型调用就够了。如果需要,决策树接着问:解决方案是否已知、能否表达为一个工作流。在解决方案已知的一侧,受益于专门领域知识或领域隔离的工作进入 Tier 1 多智能体工作流(流水线、扇出或路由器)。其余一切则交给带工具和动作组的单智能体。在解决方案未知的一侧,只有涉及探索或显著副作用的才进入 Tier 2,采用自主多智能体模式。其余仍留给单智能体。指导原则是:选择满足需求的最简架构。

下图从四个方面比较这些模式:何时采用、智能体之间的控制如何流转、结果的确定性如何,以及构建和运行的成本。构建成本是相对刻度,并非估算。

按使用时机、控制流、确定性和构建成本比较各模式的图表
按使用时机、控制流、确定性和构建成本比较各模式的图表

图 9:按用例、控制流、确定性和相对构建成本比较各模式

Tier 1 模式在低到中等构建成本下具有高确定性。Tier 2 模式把更多路径交给模型,而基于计划的编排构建成本最高。如果你能在运行时之前把控制流画在白板上,就从 Tier 1 开始。

应用:将模式映射到制造业用例

用例模式理由
班次交接总结顺序流水线线性:原始日志 → 总结 → 报告
多工位根因分析基于计划的编排器动态:子任务在分析过程中发现
实时质量门条件路由器 + 边缘智能体在周期内:由本地模型决策。智能体推理不在关键路径上
预测性维护排程并行扇出/扇入按资产类别独立建模
工程变更单影响辩论/共识高风险:对抗性审查有其正当理由
供应商沟通草拟顺序 + 人工关卡不得自动发送(见无防护的客户接触)
跨工厂优化基于计划的编排器多来源:动态查询。由求解器完成分配

制造业视角:改变算账方式的四个约束

制造业不是通用的企业 IT 环境,有四个约束使这笔账算得毫不留情。

约束 1:产线延迟 = 直接收入损失

汽车车身车间由机器人焊接车身,通常以每小时 60 个作业运行。其 40 多个工位每一个都有 60 秒的节拍时间,然后产线才前进一步。处于工位循环路径上的推理延迟会吃掉这 60 秒,而瓶颈工位的延迟会拖慢整条产线。即便 2% 的吞吐量下降,也可能转化为可观的年度收入影响。

架构含义:按 p99 而非平均值来预算延迟。尾部才是让产线停下的东西。为每个智能体提供一个亚秒级的确定性回退,并按风险匹配:

  • 咨询/质量标记:放行该零件并打标记,留待下线复检。
  • 安全关键:隔离或确定性停机,不是继续运行。
  • 在部署前为每个工位确定这一映射。

约束 2:安全具有物理后果

产生幻觉的聊天机器人带来尴尬。产生幻觉的焊接参数带来结构缺陷,会在碰撞测试或现场失效中暴露,并可能导致安全召回。有两种失效模式反复出现:

  • OT/IT 边界状态不同步:智能体读到制造执行系统(MES)显示 12 号工位正在加工 A 号零件,但手动 PLC 覆盖已将其切换为 B 号零件,于是它为错误的零件调校了参数。
  • 幻觉安全边界:一个维护 agent 从零开始推理锁定/挂牌流程,在相邻的 Station 6 仍在运行时宣布 Station 7 可进入,破坏了互锁区域。

架构含义:

边界:保持确定性核心不变,包括 PLC、数据采集与监控系统(SCADA)和 MES,并在其外围包裹一个建议层。

  • agent 负责观察、分析和建议。它们不执行动作。
  • 安全约束作为确定性护栏存在于外部服务中,agent 查询该服务,而不是对其推理。它们永远不会被嵌入提示词中,因为在提示词里它们可能被争辩掉。

验证与批准:建议先通过 schema 验证和物理仿真,在动作执行前立即对照 OT 事实源进行检查,绝不使用超过一个周期缓存的 OT 状态。然后按其影响范围在相应层级获得批准:

  • Level 0:agent 自主解决。
  • Level 1:操作员一键确认。
  • Level 2:工程师根据所呈现的分析做出决定。
  • Level 3:管理层评估停线建议。

只有到这时,经过验证的命令接口才会将允许的命令传递给确定性控制。大语言模型(LLM)提出建议。物理引擎和人类操作员做出决定。

约束 3:数据留在边缘

一台冲压机每天产生 50+ GB 的传感器数据,其价值在毫秒间衰减。将这些数据传输到云端,带宽成本高于计算成本,而且等云端给出答案时,冲压机早已进入下一状态。

架构含义:混合边缘-云是实际默认方案,约束 2 的边界在边缘同样成立。

  • 边缘(AWS IoT Greengrass):在源头进行亚节拍异常检测、阈值监控和停止或继续信号:边缘 agent 建议,PLC 执行。
  • 云端:边缘做不到的事:跨班次分析、跨工厂趋势关联,以及基于全量设备数据的模型再训练。边缘只提炼并传输真正重要的内容。

约束 4:与班次对齐的 agent 生命周期

无界上下文会让 agent 漂移,因为过时的观察会挤占当前现实。完全重置则会丢失班次之间的连续性。制造业已经通过结构化的班次交接为人类解决了这个问题,agent 也需要同样的纪律。

架构含义:将 agent 记忆绑定到班次周期。

  • 初始化:班次上下文,包括人员名册、生产目标和上一班次交接。
  • 累积:仅在班次窗口内的工作记忆。
  • 交接:输出班次结束摘要,包含未解决问题、标记的异常和建议,为下一班人员提供初始信息,复刻人类仪式而不导致无界上下文增长。

在 AWS 上构建

以下托管服务对应本文前面提出的各项关切。每一行指明的是机制,而不只是服务。

需求服务机制
运行时AgentCore runtime,Amazon Bedrock AgentCore 的一项能力智能体运行的位置,其控制流是确定性的或由模型决定。可引入 Strands、LangGraph 或 CrewAI。
按班次限定的内存AgentCore memory,Amazon Bedrock AgentCore 的一项能力托管的短期和长期上下文,因此 Constraint 4 中的按班次范围的内存是配置,而不是自定义状态管道。
类型化交接AgentCore Gateway,Amazon Bedrock AgentCore 的一项能力将 API 和 AWS Lambda 函数转换为带验证 schema 的 Model Context Protocol (MCP) 工具,因此交接携带类型化字段而不是自然语言描述。
智能体权限AgentCore Identity,Amazon Bedrock AgentCore 的一项能力为每个智能体提供唯一、可验证的身份,并具备细粒度访问控制。它是强制实施点,决定哪个智能体可以访问哪个系统,以及代表谁访问。
智能体间追踪AgentCore Observability,Amazon Bedrock AgentCore 的一项能力跨运行时、内存、网关和工具的 span 与 trace,通过 Amazon CloudWatch Transaction Search 和 AWS Distro for Open Telemetry (ADOT) 实现。交接是多智能体系统中最难观测的部分,也是无类型契约静默失败的地方。
人工审批入口AWS Quick升级层级落地之处。AWS Quick Automate 在 Slack 中运行一键审批的审批工作流,其操作连接器可以调用 Amazon Bedrock AgentCore 智能体。
分层模型选择Amazon Bedrock跨模型系列的单一 API,因此成本分层是配置:小模型用于路由器的分类,更强模型用于编排器综合。

结论

多智能体系统改变了汽车制造商大规模编排智能的方式,但只有在建立在正确的基础上时才会如此。

这里的模式和反模式来自真实部署,其中糟糕的架构表现为失控的 token 成本、takt-time 违规,以及最坏情况下的物理安全风险。工厂规模的经济性毫不宽容,因为 token 量会随着每个智能体、机器人和班次增长。分层模型选择、上下文压缩和边缘-云分布是主要杠杆,可以以其中一小部分成本交付同样的价值。

这里的建议是从 Tier 1 模式开始,证明价值,然后扩展。大多数制造用例,例如班次交接总结、质量门决策和预测性维护,都能由确定性工作流很好地服务。将自主编排保留给真正开放式的问题,在这些问题中动态子任务发现足以证明增加的成本、延迟和调试复杂性是合理的。

关于作者

The translation is machine-generated and individual terms may be off. Nothing is rewritten or cut; the original is authoritative.

Published by AWS Machine Learning
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗