一个智能体很有用，一支智能体团队才是真正的竞争优势。

单个 AI 智能体可以做研究、写作、分析或写代码，但很难在同一时间把所有事情都做好。就像一个人同时负责调研、写文案、销售和客服，结果往往是每一项都做得一般。

解决方案，其实是人类几百年前就验证过的：分工与专业化。

与其让一个智能体超负荷，不如搭建一支团队：

  • 一个只负责查资料的研究智能体；
  • 一个只负责写作的写作智能体；
  • 一个只负责分析的分析智能体；
  • 一个负责统筹、分配任务并组装最终结果的协调智能体。

每个智能体都高度聚焦在自己的职责上，在特定任务上做到“专业级”。组合起来，它们能产出任何单一智能体都难以达到的质量。

这套思路叫 多智能体编排（multi-agent orchestration），是当前最强大 AI 系统背后的核心架构：

  • 客服平台
  • 研究系统
  • 内容生产引擎
  • 业务自动化流水线

都在内部使用多智能体团队。

下面这套“课程式”讲解，会带你从零设计、搭建并部署自己的多智能体团队。

一、架构：中枢—辐射（Hub and Spoke）

高效的多智能体系统，几乎都遵循同一个基本模式：中枢—辐射。

  • 中枢：协调智能体（Coordinator）
    位于系统中心：

    • 接收用户的整体目标；
    • 把目标拆解成若干子任务；
    • 决定每个子任务由哪个专家智能体负责；
    • 在专家之间传递必要上下文；
    • 汇总所有中间结果，组装成最终输出。

  • 辐射：专家智能体（Specialists）
    每个都是“专职角色”：

    • 职责边界清晰；
    • 只配备少量、针对性很强的工具；
    • 系统提示（system prompt）严格约束其行为，只在自己的专业范围内行动。

所有通信都通过协调智能体流转。
专家之间不直接对话，协调智能体是唯一的路由、质控和组装中心。

这种架构有几个巨大优势：

  • 每个专家上下文更小、更聚焦，减少“信息过载”导致的错误；
  • 专家可以独立开发、测试和升级；
  • 可以随时替换或升级某个专家，而不用重构整套系统；
  • 协调智能体是统一的观测点，方便调试、监控和日志分析。

二、最容易犯的致命错误：上下文不会自动继承

这是多智能体系统中最常见、也最隐蔽的 Bug。

专家智能体 不会自动继承 协调智能体的对话历史。

更直接地说：

  • 当协调智能体“调用”一个专家时，这个专家是从空白上下文开始的；
  • 它不知道之前发生了什么；
  • 它没看过对话历史，也没看过其他专家的输出；
  • 除非你在它的 prompt 里显式写进去，否则它对任何上下文一无所知。

很多人会误以为：既然协调智能体“知道一切”，那专家也应该“知道一切”。事实完全不是这样。

例如：

  • 协调智能体先让研究专家完成了一堆调研；
  • 然后对写作专家说：“请根据我们的研究写一份市场分析报告。”

如果你没有把“研究结果”文本一并塞进写作专家的 prompt，那么写作专家根本不知道“我们的研究”是什么。

正确做法是：把所有需要的上下文，完整地写进专家的 prompt 中。

# 错误示例：写作专家没有任何上下文
writer_prompt = "Write a market analysis report based on the research."

# 正确示例：显式传入所有上下文
writer_prompt = f"""You are a professional report writer.

Write a market analysis report using the research findings below.

RESEARCH FINDINGS:
{research_data}

KEY STATISTICS:
{statistics}

COMPETITOR ANALYSIS:
{competitor_data}

FORMAT: Executive summary (3 sentences), then 5 sections with headers, 
each 2-3 paragraphs. Professional tone. Cite specific numbers from 
the research.

AUDIENCE: C-level executives who will read this in under 10 minutes.
"""

第二个版本更长，但只有这种写法才真正可用。
专家需要的每一条上下文，都必须显式传入，没有例外。

三、从零搭建你的第一个多智能体团队：研究 + 报告系统

下面我们一步步搭建一支完整的多智能体团队：

输入：一个研究问题
输出：一份结构清晰、文字流畅、经过事实核查的完整报告

1. 团队角色设计

Agent 1：研究专家（Research Specialist）
负责：

  • 搜索信息；
  • 抽取关键事实；
  • 汇总成结构化的“原始研究数据”。

Agent 2：分析专家（Analyst Specialist）
负责：

  • 在原始数据中找模式；
  • 提炼结论；
  • 标记不同来源之间的矛盾。

Agent 3：写作专家（Writer Specialist）
负责：

  • 根据分析结果写出结构化、可读性强的报告；
  • 保持统一的语气和格式。

Agent 4：审稿专家（Reviewer Specialist）
负责：

  • 对照原始研究检查报告；
  • 找出不准确、证据不足或逻辑薄弱的地方；
  • 提出具体修改建议。

Agent 0：协调智能体（Coordinator）
负责：

  • 管理整个工作流；
  • 调用各个专家；
  • 传递上下文；
  • 组装最终结果。

2. 协调智能体的工作流

协调智能体可以按如下步骤运作：

Step 1: 接收用户提出的研究问题。
Step 2: 将问题拆解为 3–5 个子问题，确保合在一起能完整覆盖主题。
Step 3: 把每个子问题分别发给研究专家。
Step 4: 汇总所有研究结果。
Step 5: 将汇总后的研究数据发给分析专家。
Step 6: 把“分析结果 + 研究数据”一起发给写作专家。
Step 7: 将写好的报告 + 原始研究数据发给审稿专家。
Step 8: 如果审稿专家指出问题：把被标记的段落和建议，发回写作专家修改。
Step 9: 将最终报告交付给用户。

3. 为每个专家编写聚焦的系统提示

3.1 研究专家（Research Specialist）

You are a research specialist. Your only job is to find accurate, 
current information on the topic you are given.

For each piece of information:
- Note the source
- Rate your confidence (high/medium/low)
- Flag if the information might be outdated

Return your findings as a structured list of facts with sources 
and confidence ratings. Do not analyze. Do not write prose. 
Just find and organize facts.

要点：

  • 只负责“找事实、列出处、标记置信度”；
  • 明确禁止“分析”和“写长文”。

3.2 分析专家（Analyst Specialist）

You are a data analyst. Your only job is to analyze research 
findings and extract insights.

Given raw research data:
- Identify the 3-5 most important patterns
- Note contradictions between sources
- Flag claims that lack sufficient evidence
- Draw conclusions supported by the data

Do not write a final report. Return structured analysis that a 
writer can turn into polished prose.

要点：

  • 只做“看数据、找模式、提结论”；
  • 输出结构化分析，而不是最终报告。

3.3 写作专家（Writer Specialist）

You are a professional report writer. Your only job is to turn 
analyzed data into a polished, readable report.

Given analysis and supporting data:
- Write in clear, professional prose
- Structure with an executive summary followed by detailed sections
- Cite specific numbers and sources throughout
- Make the report scannable — a reader should grasp key points 
  in under 3 minutes

Do not perform new research. Do not change the conclusions from 
the analysis. Only write.

要点：

  • 只负责“把现成的分析写好”；
  • 不新增研究，不擅自改结论。

3.4 审稿专家（Reviewer Specialist）

You are a quality reviewer. Your only job is to check the 
finished report against the original research.

Check for:
- Claims in the report not supported by the research data
- Important findings from the research that the report omits
- Logical inconsistencies or weak reasoning
- Accuracy of all numbers and statistics
- Clarity and readability issues

For each issue found: quote the problem, explain what is wrong, 
and suggest a specific fix. If the report is solid, say so.

要点：

  • 只做“对照检查 + 提建议”；
  • 输出问题清单和具体修改方案。

4. 为什么这支团队一定比单智能体更强

在这套配置中：

  • 研究专家可以全力挖信息，不用分心写报告；
  • 分析专家只盯着“数据和模式”，不用操心措辞；
  • 写作专家只专注“结构和文笔”，不用担心研究是否充分；
  • 审稿专家只负责挑错和把关质量。

每个智能体都在做“唯一的一件事”，协调智能体负责把所有拼图拼好。
结果就是：稳定产出远高于“让一个智能体从头到尾包办”的质量。

四、如何设计你自己的多智能体团队

上面的“研究 + 报告团队”只是一个模板。你可以把同样的思路，应用到任何复杂工作流中。

1. 内容生产团队（Content Team）

典型链路：

研究员 → 大纲设计师 → 初稿写手 → 编辑 → 排版/格式化

能力：

  • 输入一个主题；
  • 输出多种格式的高质量内容（长文、社媒贴、邮件等）。

2. 客户支持团队（Customer Support Team）

典型链路：

问题分类器 → 知识库检索 → 回复草稿生成 → 质量校对

能力：

  • 自动处理工单；
  • 多轮验证，降低错误回复风险。

3. 业务分析团队（Business Analysis Team）

典型链路：

数据收集 → 趋势分析 → 风险评估 → 建议撰写

能力：

  • 从原始业务数据出发；
  • 产出可执行的战略建议和决策备选方案。

4. 通用设计原则

无论你设计哪种团队，底层原则都一样：

  1. 每个智能体只负责一件事
    职责要单一、清晰，避免“一个智能体干三份工”。

  2. 每个智能体只配 3–5 个高度相关的工具
    工具越少越好，越聚焦越稳定。

  3. 所有通信都通过协调智能体
    不要让专家之间互相直接对话，避免失控和难以调试。

  4. 上下文必须显式传递
    不要假设“它应该知道”，要在 prompt 里写清楚、贴完整。

  5. 协调智能体在每个阶段做验证
    对中间结果做基本检查，再交给下一个智能体，减少错误传播。

五、三大常见失败模式及防范方法

失败模式 1：拆解过窄（Narrow Decomposition）

例子：

  • 用户问题是“AI 对各行业的影响”；
  • 协调智能体只拆成“软件行业”和“医疗行业”两个子话题；
  • 完全漏掉金融、教育、制造、媒体、法律等重要领域。

防范方法：

  • 在协调智能体的提示中加入：
    • 先枚举“完整范围”，再拆解子任务；
    • 加一个自检步骤：

      “请检查你的拆解：是否覆盖了该主题的所有主要方面？如果有重要领域缺失，请补充。”

失败模式 2：上下文丢失（Lost Context）

例子：

  • 研究专家找到了一些关键数据；
  • 协调智能体在调用写作专家时，没有把这些数据一起传过去；
  • 结果写作专家写出的报告完全没用上这些信息。

防范方法：

  • 在协调智能体的工作流中，显式规定：
    • 每次调用下一个专家时，都要附上“所有相关的前序输出”；
    • 不仅传“上一环节”的结果，必要时还要传“原始输入”。

失败模式 3：电话游戏效应导致质量衰减

例子：

  • 信息从研究专家 → 分析专家 → 写作专家 → 审稿专家一路传递；
  • 每一环都对信息做了“转述”；
  • 到最后，很多细节被弱化、扭曲甚至丢失。

防范方法：

  • 在每个阶段都附上“原始数据”，而不仅是上一环的总结；
  • 比如：
    • 写作专家同时收到“原始研究数据 + 分析结果”；
    • 审稿专家同时收到“原始研究数据 + 分析结果 + 报告草稿”。

六、总结：从单智能体到多智能体团队

  • 单个智能体很有用；
  • 多智能体团队才真正强大。

架构其实很简单：

  • 一个协调智能体管理多个专家；
  • 每个专家只做一件事；
  • 所有上下文显式传递；
  • 协调智能体负责组装最终结果。

你可以在本周就搭建第一支团队：

  1. 先实现“研究 + 报告”这套配置；
  2. 用一个真实的研究问题跑一遍；
  3. 再用同一个问题，让单个智能体从头到尾完成；
  4. 对比两者的质量、稳定性和可控性。

当你亲眼看到质量差距之后，就很难再回到单智能体处理复杂任务的旧方式了。

未来的 AI 形态，不是“一个智能体无所不能”，而是：

一支由多个专业智能体组成的团队， 在清晰分工和良好编排下， 把每一件事都做到足够好。