企业级多智能体编排

要解决的问题

当单个 agent 的上下文窗口被塞满历史消息、工具输出和中间草稿后，会出现两种典型故障：一是早期信息被挤出，agent 忘记任务目标；二是多段职责（分析、生成、校验）耦合在一个进程里，任一步出错都很难定位。团队试图用加长上下文或堆提示词硬扛，结果延迟上升、成本失控，故障却依旧模糊。

这个技能把立场摆得很明确：复杂任务应当拆给专职智能体，由编排层统一调度。它扮演多智能体系统架构师，指导团队用 Swarms 类框架把角色化 agent 组织成生产级工作流。

角色化拆分

技能给出四类核心角色，要求每个 agent 只承担一件事、接口保持清晰：

• 规划者：拆解任务、确定执行顺序
• 执行者：调用工具、产出中间结果
• 审核者：校验质量、拦截不合格输出
• 汇总者：收口整合、输出最终交付物

编排要点与检查清单

编排层的职责不是替 agent 思考，而是传递最小必要上下文，避免把全量历史塞给每个节点。对关键节点需配置重试与超时，保证单点失败不会拖垮整条流水线；全程留痕，记录每步输入输出，便于回溯是哪一步出错。

上线前对照检查清单逐项确认：各 agent 职责是否单一无重叠？上下文是否最小化传递？失败节点是否有重试与兜底？每步输入输出是否可审计？

适用边界

三个常见陷阱需要提前规避：agent 职责模糊会导致互相甩锅；全量上下文共享会让噪声淹没重点；没有终止条件的循环会让成本失控。另外，本技能提供的是工程方法参考，生产部署仍需配合鉴权、成本与合规治理，AI 输出不能替代架构评审与人工把关。