多智能体架构模式

具体问题

单 Agent 处理复杂任务时，问题往往不在模型能力，而在上下文窗口：无关 token 挤占注意力，长任务「中部丢失」，多约束相互竞争导致「注意力稀缺」，无关内容污染关键信息引发「上下文中毒」。这些症状的根因都是单一上下文装不下全部相关信息。多智能体架构要解决的不是「分工更像人类」，而是为不同子任务建立互不干扰的上下文边界。

技能如何工作

本技能按五步产出可落地的 TopologyPlan：

• 判定是否真要拆：只有明确出现中部丢失、注意力稀缺或上下文中毒时才引入多 Agent，否则单 Agent 加长上下文更省。
• 选拓扑：在监督者、对等群体、分层三种模式间取舍，并明确每种的弱点——监督者上下文成瓶颈且失败会级联，对等群体无单点但易发散，分层有层间协调开销。
• 定隔离机制：默认用 指令传递 只传子任务所需；需要共享状态时升级到 文件系统记忆；除非子任务确需完整理解，避免 全上下文委派。
• 设计协调与共识：拒绝简单多数投票，改用 加权投票 或 辩论协议，并设置停滞与谄媚触发点，要求先陈述分歧再允许收敛。
• 缓解失败模式：限制每个监督者带 3–5 个 worker，关键输出交给下游前先校验，加重试与熔断。

适用边界与注意点

本技能只管拓扑与协调协议。单 Agent 的任务-模型适配、托管沙箱与远端会话、受控运行时的 KV 缓存共享、Agent 工具契约、上下文降本等，分别由 project-development、hosted-agents、latent-briefing、tool-design、context-optimization 承接。落地前先确认上下文压力真实存在，再动手拆。