适合：参数错、选工具错、路由选错、格式错误。网络超时只重试，逻辑跑偏才回退；错一步退上节点，走死胡同跳入口；记忆保留不动，次数限制防循环。回退先滚状态，再重思考重走；

适合：参数错、选工具错、路由选错、格式错误。网络超时只重试，逻辑跑偏才回退；错一步退上节点，走死胡同跳入口；记忆保留不动，次数限制防循环。回退先滚状态，再重思考重走；

拆分记忆层级 + 结构化存储 + 动态压缩 + 按需召回 + 遗忘 / 淘汰 + 安全隔离。不依赖大模型原生上下文，通用适配单 Agent / 多 Agent、长对话、业务系统。

用户进入 → 识别user_id（游客自动生成）选中会话 → 识别session_id加载数据 → 长期记忆(数据库) + 短期记忆(Redis) 塞入StateAgent运行 → 临时字段在State流转，不落地会话结束 → 只更新短期记忆、长期记忆，临时数据全部丢弃。

整个过程包含：「线上采错→离线优化→评测验收→灰度上线」抓到的错误案例倒流（反哺）加到评测题库里进行测试，测试改好、测稳了，

第一类，参数错误。属于大模型生成问题，比如参数缺失、格式错误、枚举越界、入参不合理。第二类，临时服务异常。属于基建问题，比如接口超时、限流、网络波动、服务短暂不可用。第三类，空结果返回。查询类工具正常执行，但无数据命中，不是报错，是业务无结果。第四类，永久性错误。比如权限不足、资源不存在、非法操作，属于不可恢复问题。参数错误：采用错误反馈式重试，把接口报错、字段校验失败信息原样回传给大模型，让模型

Agent 死循环，是指智能体在推理 - 执行 - 观察过程中，因决策固定、历史无效或无法判断终止，陷入无限重复同一动作的闭环，无法推进任务也无法自动结束。

在多agent架构中，首先需要通过意图识别技术解析用户输入的真实目的，为后续决策和行动提供基础。

但是LangChain / LangGraph 早就内置了标准的 ReAct 循环（Thought → Action → Observation），不需要自己手动定义 think /act/should_continue 节点。LangGraph（主框架）：没有官方 create_plan_execute_agent() 这种一键封装，但官方有标准模板（你几乎不用改）底层就是 LangGraph

从控制方式、延迟、复杂度、可调试性、可扩展性、LLM 成本、适用场景 7 个维度对四种模式做了清晰区分，例如 Router 延迟最低、Swarm 可扩展性最高、Supervisor 可调试性最优。代码：基于 asyncio 实现异步并行，通过 SharedBlackboard 类实现 Agent 间状态共享，学术、新闻、GitHub 等 Agent 并行搜索并补充研究。代码：自定义 AgentRo