多智能体协作系统：架构与编排

作者：Ai Flowi · 发布于 2026-10-10

多智能体协作系统将任务分配给职责不同的智能体，并协调它们的工作。架构规定谁可以采取行动、每个智能体接收什么，以及结果如何进入下一阶段。智能体编排控制这些交接，包括停止和拒绝；委派则是把范围明确的任务交给另一个智能体。

首先指出哪一项交接难以由单个智能体清楚处理。研究、起草和检查的练习很有用，因为各阶段都有不同的验收规则。增加智能体会增加需要检查的交接边界；它们意见一致，并不能证明准确性更高。

选择多智能体架构

按工作依赖关系选择
模式	适用的依赖关系	需明确的控制
顺序任务	起草需要已完成的研究记录。	起草前拒绝不完整的证据。
协调者与专门智能体	任务需要选定的专门智能体。	规定谁可以委派，以及专门智能体获得哪些工具。
独立并行工作	不同问题可以在不共享中间结果的情况下分别回答。	明确如何处理互相冲突的结果。
一个范围明确的智能体	同一组指令和工具足以覆盖整个任务。	保留清晰的完成规则，并检查回答。

这些是架构选择，并非已测试的产品模式清单。下方报告方案使用 Sequential Crew 检查研究到起草的依赖关系；其他模式帮助判断这种依赖是否确实需要团队。目录条目不能证明恢复可靠或协调成功。

配置智能体前需要什么

准备合成来源资料包、研究问题和预期最终报告提纲。请通过模型访问指南，使用所选提供商的账户和 API 密钥配置访问；提供商用量费用另计。

下方练习只使用目录中的组件，没有外部写入步骤。来源资料包可以作为任务文本提供，因此初始设计不需要搜索服务。之后加入的任何工具都需要自己的凭据、输入约定和故障检查。请阅读智能体、工作流与聊天机器人对比，了解平台术语。

步骤 1：明确交接约定

研究阶段要求提供发现、来源标识、支持性摘录和未解决问题。起草阶段接收已接受的发现，生成仍将来源标识与陈述关联的叙述文字。检查阶段接收草稿和原始来源资料包，再返回决定，并指出具体的无依据陈述或遗漏。

请沿用提示词链审核规则，确保检查阶段可以访问来源。

为每个参与者提供具名资料包：研究接收问题和来源集合；起草接收已接受发现的标识和报告说明；检查接收候选报告，以及版本相匹配的来源集合。检查者返回接受或拒绝、受影响发现的标识，以及每项拒绝的原因。如果研究遗漏了必需的来源标识，不要将该项交给起草阶段，避免把它作为不完整的事实继续传递。

步骤 2：配置不同的任务职责

示例配置，并非已记录的测试

拟议的 Sequential Task Agent 设置
任务	需设置的输入	验收规则
研究	`role`：来源审核者； `goal`：收集有依据的发现； `task_description`：检查所提供的资料包； `expected_output`：附有摘录和未知事项的发现。	每项发现都注明支持它的所提供来源。
起草	`role`：报告起草者； `goal`：回答问题； `task_description`：使用已接受的研究结果； `expected_output`：附有来源并标明未解决事项的草稿。	不能仅为让报告显得完整而添加陈述。
检查	`role`：证据检查者； `goal`：找出没有依据的陈述； `task_description`：将草稿与原始资料包对照； `expected_output`：决定及其原因。	存在没有依据的陈述时，不能通过验收。

建议在每个 Sequential Task Agent 上设置 allow_code_execution=false， allow_delegation=false， async_execution=false 和 memory=false。这些明确设置将预期练习限定在较小范围；运行时是否落实仍需检查。将已配置 Language Model 的 model_output 连接到 llm，其接受的类型为 LanguageModel。

步骤 3：检查编排约定

请参阅 CrewAI 集成参考文档，了解顺序组件的输入清单和任务对象连接类型。

对于此报告练习，将 Sequential Crew 设置为 memory=false， share_crew=false 和 use_cache=false；在提供合成资料包以外的内容前，检查这些设置实际排除了什么。试验前选择适合提供商的请求预算。这些选择不能证明默认行为，也不能证明多任务连接已经可用。

按接收方职责审核每次交接：起草能否识别哪些发现已被接受，检查能否访问与研究使用的相同来源版本？只传递文本却不保留这些区别的连接，无法满足拟议架构。继续前检查资料包内容，并将被拒绝的发现及其原因保留在草稿的已接受证据集之外。

步骤 4：规定停止与委派限制

所需来源证据缺失、检查者拒绝草稿或提供商发生故障时，应停止。把未解决问题交回给人，而不是反复请求另一个智能体给出更自信的回答。运行前先规定重试预算。反复尝试模型可能仍会沿用同一个错误前提。

请参阅函数调用工具约定了解 Flow as Tool；委派还需要明确的接收者和范围受限的返回资料包。

例如，只委派有关取消条款的问题，而不是整个报告。专门智能体接收该问题、允许使用的来源标识和所需发现格式，返回有摘录支持的发现或未解决项，不再向其他参与者分配工作。协调者必须判断返回结果是否满足原始任务，才能放行下一份资料包。

假设研究从来源集合版本 A 返回发现 F1，但起草者使用了版本 B 中提供的条款。检查者应拒绝这个混合资料包，并指出版本不匹配。不要让候选报告进入最终交付流程；用一个已审核的来源集合重建受影响的交接。提示词中的拒绝指令不等于强制停止：应确认下游工作无法基于被拒绝的资料包开始。组件目录未说明 Sequential Crew 具备这种条件执行控制，因此首次练习以人工检查每次交接结束。

步骤 5：与一个范围明确的智能体比较

给一个 Agent 提供相同的问题、来源资料包、只读工具和最终报告要求。用 input_value 提供任务，用 system_prompt 设置证据规则；测试前为 max_iterations 选择一个有限值。完整字段清单见 Agent 参考文档。

对两种设计，都应检查有依据的陈述、缺失证据、拒绝案例、提供商故障和观察到的节点用量。保持凭据和来源访问条件一致。不要将能使用工具的团队与无法访问相同来源的单个智能体进行比较。在对成本或实用性下结论前，记录实际调用和失败尝试。

多智能体系统有哪些预期输出与限制？

预期输出是一份包含关联来源的发现和独立检查决定的报告，并明确呈现未知事项。此拟议配置没有已记录的报告结果。顺序组件在组件目录中已有记载；未经 Ai Flowi 生产环境测试。带类型的端口只能说明接口兼容，不能证明执行成功或判断独立。

如果固定规则即可回答问题，一次模型调用加人工审核已经足够，或外部行动需要拟议流程图中缺少的审批边界，就应避免采用此设计。有关范围明确的行动决策，请参阅自主 AI 智能体。用例中心提供现有的起始模式，每种都有各自的证据范围。

工作流用量

套餐：Go 年付方案每月 USD8 起（月付 USD10），Plus 年付方案每月 USD16 起（月付 USD20），Pro 100 年付方案每月 USD80 起（月付 USD100），Pro 200 年付方案每月 USD160 起（月付 USD200），Pro 500 年付方案每月 USD400 起（月付 USD500），每月包含 5,000 至 250,000 个 Flowi Tokens，并支持充值；每次节点运行消耗 1 个 token；不包含第三方 API 和模型使用费用。