概述
委派可以构建工作结构，但额外的智能体会增加通信、延迟和故障路径。
深入探讨
多智能体系统分配角色并在智能体之间路由子任务。AutoGen 是一个用于构建应用程序的框架，其中可定制的智能体可以进行对话，并结合语言模型、工具和人类输入。编排者-工作者工作流是一种可能的设计，而不是保证改进的方法。明确的终止标准、来源和错误检查有助于防止循环和未经检查的错误传播。AutoGen 框架论文和文档描述了交换消息并可能结合语言模型、工具和人类输入的对话智能体。其 UserProxyAgent 可以配置为请求人类输入或执行代码；实际行为取决于配置。其他框架未在引用的 AutoGen 来源中描述。
现实世界的实施
主智能体负责委派研究问题并综合引用的研究结果。
工作流定义了最大轮数和成功条件。
团队会记录智能体的消息，以便检查分歧和来源。
AutoGen 展示了通过对话进行交流的可定制智能体。
多代理编排的未来
框架和 API 都在不断演进。请在目标任务上衡量质量、延迟和成本；对高影响力的决策保留人工审核，并避免假设多个智能体能使答案更可靠。
付诸实践
为什么这很重要
- 构建选择. 应用级设计决定了人工智能是否能改善实际结果。
- 团队与工作流程. 良好的工作流程集成可以创造用户值得信赖的生产力收益。
- 风险与安全. 范围明确的用例可以减少变更疲劳和实施风险。
留意
- 将损坏的流程自动化可能会加剧现有问题。
- 团队可能会过度自动化并消除所需的人工判断。
- 如果不持续评估输出，质量可能会出现偏差。
后续步骤
- 绘制当前工作流程并确定摩擦最大的步骤。
- 在完全自动化之前定义人工检查点。
- 对用户进行提示、升级路径和质量标准方面的培训。
- 跟踪任务级结果以确认持续价值。
不断探索
常见问题
什么是多智能体编排？
多智能体编排为任务协调智能体、工具和控制流。委派可以构建工作结构，但额外的智能体会增加通信、延迟和故障路径。
多代理编排不是采用单一代理，而是设置什么？
编排将复杂的工作划分给各个重点代理（规划者、编码员、评论家等）并协调他们的交互。
在编排者-工作者设计中，主智能体通常做什么？
编排者通常负责路由工作并综合工作者的输出。
多智能体工作流的真实成本或风险是什么？
多个智能体可能会增加成本并传播错误，而没有可靠的检查。
终止条件在编排中起什么作用？
需要一个停止规则，这样代理就不会无休止地相互切换而无法得出答案。
引用的论文和文档描述了哪种多智能体框架？
引用的 AutoGen 论文及其官方文档描述了一个可对话智能体框架，该框架可以集成语言模型、工具和人类输入。此项仅指 AutoGen。