Jensen的个人学习小站

Agent 工作流设计：从单体到 Multi-Agent 协作

在大模型时代，编写简单的 Prompt 或一站式对话已经不能满足复杂的业务诉求。构建具有规划能力、工具调用能力和错误修正能力的工作流（Workflow）成了核心壁垒。本文将探讨从单体智能体到多智能体系统的设计思路。

1. 到底什么是 Agent？

通常认为，一个完整的基于 LLM 的 Agent 包含四大核心模块：

• Profile (角色设定)： 定义 Agent 的人格、背景以及职责边界。
• Memory (记忆)：
  • 短期记忆：通常体现为当前的 Context/对话历史。
  • 长期记忆：通常表现为持久化存储的向量数据库记录，可供日后检索。
• Planning (规划)： 将宏大目标拆解为子目标，并设定执行的高级策略（如反思机制）。
• Action (动作)： 通过工具（如 API 调用、代码执行）将数字世界的意图化为实打实的结果。

2. 单体 Agent：ReAct 范式

在设计单体智能体结构时，ReAct (Reasoning + Acting) 是最主流的提示词工程范式。其核心思想是让大语言模型交替输出"思考内容"和"动作命令"。

用户提问："Apple 现在的股价是多少？如果拿这个价格去买一台顶配的 iPhone 15 Pro，能买几台？"

--- ReAct 执行流程 ---

[Thought 1]: 我需要先知道 Apple 现在的股价。我应该调用 `Search` 工具来查询。
[Action 1]: Search[Apple current stock price]
[Observation 1]: $180.50

[Thought 2]: 接下来我需要知道顶配 iPhone 15 Pro 的价格。
[Action 2]: Search[price of maxed out iPhone 15 Pro]
[Observation 2]: 顶配 (1TB) 在官网的起售价大概是 $1,499。

[Thought 3]: 现在我有了两个价格，我需要计算比例。180.50 必须被 1499 除。我使用 `Calculator` 工具。
[Action 3]: Calculator[180.50 / 1499]
[Observation 3]: 0.1204

[Thought 4]: 我现在可以回答用户的问题了。
[Final Answer]: 一股 Apple 的价格约为 $180.50，而顶配 iPhone的约为 $1,499。用买一股的钱，大约只能买到一台顶配手机的 0.12 倍（即买不到一台）。

3. 状态机视角下的应用层：LangGraph

为了解决长逻辑链的不稳定问题，近期的趋势是将流程图/状态机作为顶层设计。这就是 LangGraph 诞生的背景。

LangGraph 将开发者的业务代码和 LLM 分成图上的多个节点 (Nodes)，并用边 (Edges) 规定数据（State）如何在节点间流转。这就像是把控制权从 LLM 强制拿回了一大半，交给代码控制。

from langgraph.graph import StateGraph, END

# 定义状态数据结构
class AgentState(TypedDict):
    input_text: str
    current_step: str
    intermediate_results: list

workflow = StateGraph(AgentState)

# 添加不同的决策/执行节点
workflow.add_node("planner", planner_node)
workflow.add_node("researcher", researcher_node)
workflow.add_node("writer", writer_node)

# 定义流转边
workflow.add_edge("planner", "researcher")
workflow.add_edge("researcher", "writer")
workflow.add_edge("writer", END)

# 编译图生成应用对象
app = workflow.compile()

4. Multi-Agent 协作架构模式

复杂的任务可以拆解并分发给多个专业的 Agent 处理。常见的多智能体组织架构如下：

模式一：层级架构 (Hierarchical)

设定一个 Leader/Manager Node，它不直接干活，而是负责接收用户任务、拆解出子任务，并分配给专门的下属代码助手、搜索助手等。所有下属结果最后交由主管归总。

模式二：辩论/评审架构 (Debate/Reviewer)

让不同的模型或赋予不同设定 (如一个创作者，一个批评家) 的节点互相交流。比如编写代码后，Critic Agent 专门负责找茬提出修改意见，循环此过程直到 Critic 满意再输出结果。

模式三：蜂群架构 (Swarm)

去中心化网络。只要任意节点发现任务自己干不了，就能基于自身对其他 Agent 能力的理解，自动将任务或上下文抛给另一个 Agent。这种设计灵活性最强，但也最难开发维稳。

5. 总结与挑战