开发与工程 multi-agent-architecturecontext-isolationorchestrationswarm-coordinationagent-handoffsparallel-execution

多智能体架构模式

帮助你设计具备上下文隔离、协调协议和可靠交接机制的多智能体系统。

FollowSkills 评估 · FSRS-2.0
不推荐
55/ 100 五分制 2.8 / 5
信任安全16 / 25 · 3.2/5

技能主要提供架构建议和本地示例,没有凭据窃取、隐蔽外传或明显恶意行为;但文件系统协调示例会写入共享状态、创建目录和锁文件,未定义最小权限、敏感数据处理、用户确认、隔离边界或回滚,因此扣除9分。

可靠稳定8 / 20 · 2.0/5

概念、参考文档和 coordination.py 基本一致,并包含失败处理、重试和熔断示例;但关键路径未被该技能专属测试覆盖,handoff 的确认流程未完整实现,示例含模拟执行和占位函数,且部分框架代码缺少完整导入或终止条件,因此扣除12分;静态评估上限为10,本项取8分。

适用触发11 / 15 · 3.7/5

激活条件、三类拓扑、相邻技能边界和不应激活场景较清楚,覆盖监督式、群体式和分层式系统;但输入、输出、非适用边界和触发优先级仍不够形式化,未说明中文交互支持或中国大陆网络环境适配,因此扣除4分。

规范维护10 / 15 · 3.3/5

文档结构清晰,包含渐进式主题、示例、gotchas、集成关系、引用、MIT许可证、版本和更新时间;但维护责任仅归于宽泛的贡献者群体,缺少变更日志、明确更新路径、依赖安装说明和系统化FAQ,且部分内容依赖未提供的上下文,因此扣除5分。

有效结果6 / 15 · 2.0/5

内容能帮助用户选择拓扑、设计隔离、交接、共识和故障处理,并提供可复用的本地协调代码;但代码包含模拟响应、未实现的生产替换点和框架占位函数,缺少该技能关键场景的已验证输出,仍需较多工程化修改,因此扣除9分;静态评估上限为7,本项取6分。

证据核验4 / 10 · 2.0/5

技能提供若干外部研究和框架文档引用,并在仓库层面存在CI与测试材料;但所给CI不覆盖该技能的关键路径,外部主张和示例没有可核验的技能专属测试结果,且部分引用只支持概念而非具体数值,因此扣除6分;静态评估上限为5,本项取4分。

证据充分度: 评估于 2026年7月20日 审查版本 c578e85e40fe
使用前请注意
  • 不要将 scripts/coordination.py 视为生产就绪实现:它包含同步模拟、占位逻辑和未完成的交接确认。
  • 文件系统共享状态示例需要先补充路径限制、权限模型、并发安全、敏感数据策略和恢复方案。
  • “约15倍成本”、LangGraph性能差异及其他定量主张应在采用前逐条核对原始研究;本次仅作静态审阅。
  • 使用具体框架示例前,应补齐依赖、导入、状态图终止条件和框架版本兼容性。
查看完整评分方法 →

这个 Skill 能做什么,适合哪些场景?

该技能面向需要设计多智能体系统的开发者,重点讲解监督者、点对点群体和分层架构。它以上下文隔离为核心,帮助判断何时应采用多个智能体,以及如何管理并行执行、状态传递、共识和故障。内容还覆盖监督者瓶颈、信息失真、成本增长、错误传播和过度拆分等风险。它适合架构设计与调试,但本身不是可执行的多智能体运行时。

说明如何根据任务分解和协调需求选择监督者、群体或分层架构;设计显式交接协议、状态传递和并行执行流程;比较完整上下文委派、指令传递和文件系统记忆等隔离机制;提出加权投票、辩论、验证检查点、重试、断路器和生存时间限制等协调与故障处理方法;提供 Python 伪代码、流程图式示例以及 LangGraph、AutoGen 和 CrewAI 的参考入口。

  1. 负责 agent 平台架构的工程师,需要判断任务是否值得拆分为多个上下文独立的智能体。
  2. 构建研究系统的团队,需要并行搜索多个来源、分析不同文档并汇总结果。
  3. 设计客服或业务路由系统的开发者,需要依据请求类型将任务交接给计费、技术或销售智能体。
  4. 维护生产级多智能体流程的团队,需要诊断监督者上下文瓶颈、信息失真或错误级联。
  5. 需要在战略、规划和执行层之间分配职责的团队,适合采用分层智能体结构。

这个 Skill 有哪些优点和局限?

优点
  • 覆盖监督者、点对点群体和分层三种主要架构。
  • 把上下文隔离作为多智能体设计的核心原则。
  • 提供具体的交接、共识、验证和故障缓解建议。
  • 明确讨论协调开销、监督者瓶颈、信息失真和错误传播。
  • 平台无关,并提供可迁移的 Python 伪代码示例。
局限
  • 内容主要是架构指导,不提供可直接运行的框架实现或完整测试套件。
  • 多智能体系统会增加 token 成本、通信开销和延迟;技能中的 gotcha 建议按约 15 倍基线成本进行预算。
  • 具体框架实现需要另行阅读 LangGraph、AutoGen 或 CrewAI 的文档。
  • 技能未提供针对特定项目的性能结果或部署配置。

如何安装这个 Skill?

将完整的 skills/multi-agent-patterns 文件夹复制到兼容主机的技能目录中,例如:mkdir -p .codex/skills && cp -R skills/multi-agent-patterns .codex/skills/。也可复制到 .claude/skills/ 或通用的 .agents/skills/。不要将 SKILL.md 展平为单个文件。源材料未说明该技能需要额外依赖安装。

如何使用这个 Skill?

在支持 Agent Skills 的主机中提出与多智能体拓扑相关的任务,例如:为一个需要并行研究、事实核查和报告撰写的系统选择合适的多智能体架构,并设计交接与验证协议。 技能会在涉及上下文隔离、监督者或群体协调、显式交接、并行执行或多智能体必要性判断时使用。

这个 Skill 与同类方案有什么区别?

技能直接比较监督者/编排者、点对点群体和分层架构:监督者适合集中控制和人工监督,群体适合灵活探索,分层架构适合具有战略、规划和执行层次的大型项目。它还比较完整上下文委派、指令传递和文件系统记忆三种隔离机制。

常见问题

使用多个智能体会更便宜吗?
不一定。技能明确提醒,多智能体系统的 token 成本可能显著高于单智能体,并应与单智能体基线进行测量。
这个技能会自动运行或部署智能体吗?
不会。源材料提供的是架构原则、伪代码和设计建议,没有说明可执行运行时或自动部署功能。
如何减少智能体之间的信息失真?
使用显式交接协议、状态传递和必要时的 `forward_message` 机制;对关键输出增加验证检查点。
什么时候不应使用多智能体架构?
当任务无法从上下文隔离中获益,或拆分、通信和共识成本超过并行执行带来的收益时,应优先评估单智能体方案。

同仓库的其他 Skills

均来自 muratcankoylan/Agent-Skills-for-Context-Engineering

开发与工程

潜在简报

通过任务引导的 KV 缓存压缩,在可控运行时高效共享编排器与工作器之间的上下文状态。

开发与工程

上下文工程与智能体系统指南

帮助团队设计、优化和评估具备可靠上下文管理能力的生产级智能体系统。

开发与工程

长程智能体提示设计

为长期自主运行和并行多智能体任务设计可验证、抗近似交付的启动提示。

开发与工程

上下文工程基础

用注意力预算和上下文质量原则,理解并设计更可靠的智能体上下文。

开发与工程

上下文退化诊断

定位并缓解长上下文中的注意力丢失、污染、干扰、混淆与冲突。

开发与工程

项目级智能体开发方法论

帮助你判断是否该用大语言模型,并设计可迭代、可解析、可控成本的智能体项目流水线。

开发与工程

BDI 心智状态建模

把 RDF 上下文转化为可解释的信念、愿望与意图链。

开发与工程

文件系统上下文工程

将大型、持久或共享的代理上下文移入文件,按需检索以减少上下文压力。

开发与工程

上下文压缩策略

在长期代理会话中压缩上下文,同时保留文件变更、决策和后续行动。

开发与工程

Agent 评估方法

为智能体流水线建立可重复的评估、回归检测与质量门禁。

开发与工程

自我改进循环

让智能体系统在受控评估中迭代自身的上下文、工作流与代码。

开发与工程

上下文效率优化

通过缓存、遮蔽、压缩与分区降低上下文成本,同时保护回答质量。

开发与工程

Agent Skill 蓝图模板

为上下文工程技能提供可复用的结构、边界和质量检查框架。

开发与工程

推理轨迹优化器

通过分析智能体的推理轨迹,定位上下文、工具和指令问题,并迭代优化提示词。

开发与工程

托管智能体基础设施

为后台编码智能体设计远程沙箱、低延迟启动和多人协作运行环境。

开发与工程

高级 LLM 评测

为 LLM 输出构建可审计、可校准并能缓解评测偏差的自动化评估流程。

开发与工程

持久语义记忆架构

帮助智能体设计可扩展、可检索且能处理时间变化的持久记忆系统。

开发与工程

智能体工具设计指南

帮助你设计清晰、可路由、可恢复的智能体工具接口。

开发与工程

自主智能体控制台

为自主智能体设计可控、可恢复、可审计的运行框架。

开发与工程

严谨研究代理

为多步骤研究建立验证、故障恢复与来源追踪流程。

相关 Skills