刚接触多智能体分工协作的人，问得最多的往往是下面这几个问题。

Q1：多智能体分工到底是什么？

多智能体分工是把一个复杂任务拆给多个各有专长的 AI 角色，例如“研究员”负责收集资料、“写手”负责起草、“审稿人”负责挑错，彼此传递结果，协同完成任务。可以手动在多个对话中实现，也可以用智能体平台自动编排。

Q2：为什么它有效？和单个 AI 完成全部任务有什么不同？

让一个 AI 同时扮演多种角色容易顾此失彼；分开后每个角色只专注于自己的职责，结果更扎实，审稿角色还能起到相互制衡的作用。单个 AI 简单直接，适合中等复杂度的任务；多智能体分工适合多环节、需要相互检查的任务，但设计和运行成本更高。

Q3：哪些场景最值得用？

最典型的是两类：一是需要对产出进行独立的检查和挑错；二是流程需要反复运行，适合固化成自动化编排。以房产经纪人为例，处理“新录入 5 套房源并完善描述”这类工作时就很适合尝试。

Q4：具体怎么开始？

建议按这三步起步：

  1. 把任务拆成几个环节，为每个环节定义一个角色。
  2. 为每个角色写清职责、输入、输出格式和评判标准。
  3. 确定角色之间的交接方式和顺序。

熟练之后再养成一个习惯：流程稳定后，考虑用智能体平台自动编排，并保留日志。

Q5：有没有现成的模板？

有，下面这个可以直接复制，按需替换方括号内容：

多智能体编排设计：
| 角色 | 职责 | 输入 | 输出格式 | 通过标准 | 失败时 |
| 规划者 | 拆解任务 | 用户目标 | 子任务清单 | 子任务覆盖目标 | 重新拆解 |
| 执行者 | 完成子任务 | 子任务 | 结果 + 依据 | 有依据 | 重试 1 次 |
| 审核者 | 检查结果 | 结果 | 问题清单 | 无高风险问题 | 退回执行者 |
| 汇总者 | 整合输出 | 已通过的结果 | 最终文档 | — | — |
全局规则：最多循环 [N] 轮；任何对外操作前需要人工确认；记录每个角色的输入输出。

Q6：需要专门的平台吗？

不一定，可以在多个对话中手动实现；需要自动化时，可以使用支持多智能体编排的平台。

Q7：多个角色能用不同的模型吗？

可以，比如用擅长推理的模型做规划，用速度快的模型做执行，具体取决于所用平台。

Q8：成本会不会很高？

多个角色意味着多次调用，成本会增加，需要评估是否值得。

举个例子

举个虚构的例子：一位咨询顾问要为客户准备行业分析。他设计了三个角色：资料整理员只摘录资料要点并注明来源，分析员基于要点写分析，挑刺者以“客户 CEO”的身份提问。挑刺者问到的两个问题，他之前没有想到，补充分析后报告更有说服力。

补充：最容易踩的坑和用好的诀窍

  • 让审稿人直接改写。改进：审稿人只列问题，由写手修改，职责更清楚。
  • 角色之间无限循环。改进：设定最大轮次，超过后交给人工处理。
  • 每个角色使用独立的对话，避免上下文互相干扰。
  • 记录每个角色的产出，出问题时可以追溯。

延伸学习

多智能体分工和可视化智能体工作流、反方视角关系密切。建议先把多智能体分工在一个真实任务里用熟，再逐个尝试相关技能，而不是一次学很多。

相关阅读