当主 Agent 接收到一个极其复杂的宏观任务时，它不会尝试自己全部都解决，而是先进行自主规划，将大任务拆解为若干个子任务，并动态实例化出子 Agent 去分别执行。因为很多初学者只知道简单的用户输入、模型思考、调用工具的单层 ReAct 循环，当出现大型、多层、需要多部门协作的复杂任务时，单层 Agent 就会因为上下文爆炸、逻辑混乱而直接崩溃，例如：写一份长篇行业研报、处理电商复杂的批量退换货

而且，工具是Agent的深度必要性，用于弥补LLM的“模态缺失”和“实时性缺失”。大模型是“大脑”，但缺了感官和手脚就无法在现实世界干活：工具是必需的，它打破训练数据的时效局限，让 Agent 获取实时信息，并将意图转化为实际动作（调 API、写库）；没有工具，Agent就像一个被关在2024年之前的“时间囚徒”，连“现在几点”都回答不了，更别提执行“帮我发邮件”这种改变世界的操作了。没有记忆，A

提供了两种方式：1，创建类实现IRule接口，可以指定负载均衡策略，这个是全局的，对所有的远程调用都起作用。（全局）2，在客户端的配置文件中，可以配置某一个服务调用的负载均衡策略，只 是对配置的这个服务生效远程调用。（局部）服务雪崩是指一个服务失败，导致整条链路的服务都失败的情形，一般我们在项目解决的话就是两种方案，第一个是服务降级，第二个是服务熔断。如果流量太大的话，可以考虑限流。（限流只能预防