https://caozuohua.github.io/tags/orchestration/Recent content in Orchestration on CAO ZUOHUAHugozh-cnWed, 01 Jul 2026 00:00:00 +0000https://caozuohua.github.io/posts/2026-07-01-agent-multi-agent-coordination/Wed, 01 Jul 2026 00:00:00 +0000https://caozuohua.github.io/posts/2026-07-01-agent-multi-agent-coordination/<h2 id="一个人干不了所有活">一个人干不了所有活</h2> <p>单个智能体再强，也有能力边界。它不可能同时是代码专家、财务分析师、法律顾问和设计师。于是多 Agent 协作成为自然选择——让不同专长的 Agent 各司其职，协同完成复杂任务。</p> <p>听起来很美好，实战中却是一地鸡毛。</p> <p>Medium 上有一篇被广泛引用的文章，标题就很直白：<strong>《Multi-Agent AI 的黑暗心理学：30 种能摧毁你整个系统的失败模式》</strong>。30 种可能是夸张了，但核心观点不虚——多 Agent 系统的复杂度不是线性增长，而是指数增长。2 个 Agent 的协调问题比 1 个 Agent 多不止一倍。</p> <h2 id="三种协作架构">三种协作架构</h2> <p>先理清多 Agent 协作有哪几种模式，再分析各自的问题。</p> <h3 id="模式一orchestrator-worker中心调度">模式一：Orchestrator-Worker（中心调度）</h3> <p>一个&quot;主管&quot; Agent 负责理解任务、分解子任务、分派给专业 Worker Agent，最后汇总结果。</p> <pre tabindex="0"><code>[Orchestrator] → 分派 → [代码 Agent] → 分派 → [财务 Agent] → 分派 → [设计 Agent] ← 汇总 ← 各 Agent 结果 </code></pre><p><strong>优点</strong>：逻辑清晰、责任划分明确 <strong>缺点</strong>：Orchestrator 成为单点瓶颈——它既要理解全局，又要管理分发，还要处理冲突</p> <h3 id="模式二pipeline流水线">模式二：Pipeline（流水线）</h3> <p>Agent 按照固定顺序串联执行，前一个的输出是后一个的输入。</p> <pre tabindex="0"><code>[需求分析 Agent] → [设计 Agent] → [编码 Agent] → [测试 Agent] → [部署 Agent] </code></pre><p><strong>优点</strong>：简单、可预测 <strong>缺点</strong>：无反馈回路——如果测试 Agent 发现问题需要返回设计阶段，流水线很难回溯</p>