Agent 开发中的多智能体编排有哪些主流模式？

1. 多智能体编排的定义与价值

多智能体编排是指让多个各具专长的 Agent 协同完成复杂任务的设计方法，相较单一 Agent，它在分工、并行与专业化上更具优势，但同时增加协调成本与调试难度。

2. 主管—下属（Supervisor）模式

主管—下属（Supervisor / Manager）模式由一个主 Agent 负责拆解任务并分派给专家子 Agent，汇总结果后交付。需要区分的是，若分派规则由代码预先固定（如"账单问题分给 A、技术问题分给 B"），本质是 Workflow 的路由模式；只有当主 Agent 在运行时动态决定如何拆分任务，才属于真正的编排者—工作者模式。

3. 编排者—工作者（Orchestrator-Workers）模式

编排者—工作者（Orchestrator-Workers）模式由编排者在运行时动态拆解任务并分配，工作者并行完成后回传，适合任务结构在运行时才明确的场景。

4. 群聊 / 辩论（GroupChat / Debate）模式

群聊 / 辩论（GroupChat / Debate）模式让多个 Agent 通过自然语言多轮协商达成共识，适合研究性、创意性或需反复讨论的任务。

5. 评估者—优化者（Evaluator-Optimizer）模式

评估者—优化者（Evaluator-Optimizer）模式由一个 Agent 生成结果，另一个 Agent 对其评估并给出改进建议，形成质量闭环，常用于写作或代码生成。

6. 被忽视的工程约束：子 Agent 的历史隔离

一个常被忽视的工程约束是：子 Agent 不继承主 Agent 的对话历史，因此主 Agent 必须在任务描述中显式传递子 Agent 所需的全部事实，否则子 Agent 会在信息缺失下返工。