《大模型实战》第 6/10 篇
上篇：Tool Calling 工程化
下篇预告：大模型成本治理

单 Agent + 好工具，已经能覆盖很多场景。
但当任务变成 调研 → 写作 → 审核 → 发布 这种跨角色、跨回合的长链路，很多人会开始堆 Agent。

多 Agent 解决的是「分工与并行」，不是「模型不够聪明」。

本篇讲何时从单 Agent 升级、三种编排模式、框架对比、冲突处理，以及 Token 爆炸怎么治。

你将学到

• 单 Agent vs 多 Agent 的切换标准
• Supervisor / Pipeline / 并行三种编排
• LangGraph、CrewAI、自研状态机怎么选
• Agent 间消息格式与冲突处理
• 多 Agent 的 Token 成本陷阱
• 「调研 + 写作 + 审核」三 Agent Demo 思路

一、先结论：默认单 Agent，证明不够再拆

信号	建议
任务步骤固定、≤5 步	单 Agent + 工具足够
需要不同「角色人格」且会互相改稿	考虑多 Agent
子任务可并行（多源检索）	并行 Worker，不一定多 Agent
要强审计「谁决定了什么」	分 Agent 便于追责
团队没人维护状态机	别为了酷而上多 Agent

多 Agent 的代价是：协调成本 + Token 成本 + 调试成本。
没有分工收益，就是三个模型互相聊天。

二、三种编排模式

1. Supervisor（主管调度）

Supervisor Agent
 ├─ 派单 → Researcher
 ├─ 派单 → Writer
 └─ 汇总 / 再派单 → Reviewer

• 优点：灵活 | 缺点：Supervisor 上下文膨胀
• 适合：步骤随运行变化的探索任务

2. Pipeline（流水线）

Research → Outline → Draft → Review → Publish

• 优点：简单可回放 | 缺点：上游错则全链路错
• 适合：SOP 明确的内容 / 办公流

3. 并行（Map-Reduce）

多 Worker 分源检索 → Reducer 合并。适合多文档对比；注意合并冲突。

模式对比

模式	延迟	成本	可解释性	实现难度
Supervisor	中	高	中	高
Pipeline	低～中	中	高	低
并行	低	中～高	中	中

三、框架对比：LangGraph / CrewAI / 自研

维度	LangGraph	CrewAI	自研状态机
核心抽象	图 + 状态	角色 + 任务	自定义
控制力	高	中	最高
上手速度	中	快	慢
适合	复杂分支、人机混合	角色扮演 PoC	生产 SOP、强审计
风险	图复杂后可读性下降	魔法封装多	重复造轮子

选型：PoC 用 CrewAI；分支多 checkpoint 用 LangGraph；强审计 SOP 用自研状态机 + 版本化 JSON Handoff。

四、Agent 间消息：别传整段聊天史

反模式：每个 Agent 都收到完整对话 + 所有中间产物 → Token 指数涨。

推荐：结构化 Handoff

{
  "handoff_version": "1",
  "from": "researcher",
  "to": "writer",
  "task_id": "t-042",
  "summary": "三条关键发现…",
  "sources": [
    {"title": "...", "url": "...", "quote": "..."}
  ],
  "open_questions": ["定价是否含税费"],
  "constraints": ["1500 字内", "面向开发者"]
}

原则：

• 只传 结论 + 引用 + 未决问题
• 原始资料放对象存储，消息里放指针
• 每跳限制 max_tokens，超出先摘要

五、冲突：多 Agent 一定会打架

常见冲突类型：

类型	例子	处理
事实冲突	调研 A 说 30%，B 说 40%	标注来源，Reviewer 仲裁
目标冲突	Writer 要长文，Reviewer 要短	Supervisor 读 rubric 定稿
工具冲突	两个 Agent 同时改一篇稿	资源锁 / 单写者原则
循环	A 让 B 改，B 让 A 重查	最大轮数 + Escalate 人工

Reviewer Agent 不要和 Writer 共用同一「改稿」工具写权限。
审核应只读 + 评论，或单独 apply_patch 需确认。

六、Token 爆炸：多 Agent 的隐形账单

成本来自：

1. 重复 system prompt（每个 Agent 一份）
2. Handoff 传太多
3. Supervisor 旁听全部中间过程
4. 失败重试在多个 Agent 间传导
5. Reflection「再想想」轮次过多

估算示意（单任务）：

架构	约略相对 token
单 Agent 5 步	1×
Pipeline 3 Agent	1.8～2.5×
Supervisor + 3 子 Agent	2.5～4×
无摘要 Handoff	可轻松 >5×

治理：小模型做 Research 摘要、Handoff 限长、硬上限 max_agent_turns（详见第 7 篇）。

七、三 Agent Demo：调研 + 写作 + 审核

目标：生成一篇技术短文，保证有引用、语气统一、无敏感表述。

角色

Agent	职责	工具
Researcher	检索、列要点	web_search, read_doc
Writer	成稿	无写外部工具，只输出 markdown
Reviewer	事实与规范	check_facts, lint_style

流程：Researcher(handoff) → Writer(draft) → Reviewer(pass|comment×≤2|escalate)。Reviewer 只读 + 评论，不与 Writer 共写写权限。

踩坑清单

1. Supervisor 包办一切 → 成为单点瓶颈；该 Pipeline 就 Pipeline
2. Agent 人格描述写三页 → system token 浪费；角色一句 + rubric 足够
3. 没有 max_turns → 两 Agent 互相「请继续」到天亮
4. Handoff 传 raw HTML → 先清洗再传
5. 并行 Worker 无 Reducer 规范 → 输出风格割裂
6. 把多 Agent 当多模型ensemble → 应分工，不是投票

成本 / 风险提示

项	说明
Token	多 Agent 最大成本项；先度量再扩角色
延迟	串行 Pipeline 步数 × 每步 RTT
质量	协调错误 > 单模型胡编更隐蔽
运维	图/角色一多，回归测试量指数上升
安全	子 Agent 权限过大 = 攻击面 × N

上线前问三个问题：能否画出状态图？能否回放一次失败任务？能否说清每 Agent 的 token 占比？

系列导航

篇	主题
第 5 篇	Tool Calling 工程化
第 6 篇	多 Agent 协作（本篇）
第 7 篇	大模型成本治理
第 8 篇	Agent 安全

跨系列内链：《AI 前端实战》Agent 状态机——并发工具、Abort、防白屏。

小结

多 Agent 核心是 证明单 Agent 不够、Handoff 结构化、冲突有仲裁、Token 当一等公民。下篇专门算钱。

---

下篇预告：《大模型实战》第 7/10 篇
大模型成本治理：Token 预算、缓存、模型路由。