如何构建一支协同工作的AI智能体团队（完整课程）

单个人工智能代理可以进行研究、写作、分析或编程，但它无法同时做好所有这些事情。就像一个员工试图同时负责研究、写作、销售和客户支持一样，它每项工作都做得不好。 解决办法和人类几个世纪前就发现的办法一样：专业化。 与其使用一个功能过载的代理，不如构建一个团队。一个只负责研究的代理，一个只负责写作的代理，一个只负责分析的代理，以及一个负责管理团队、分配任务和汇总最终成果的协调代理。 每位经纪人都专注且出色，他们共同创造的成果是任何一位经纪人都无法企及的。 这被称为多智能体编排，它是目前最强大的AI系统背后的架构。客户支持平台、研究系统、内容引擎和业务自动化流程的核心都采用了多智能体团队。 本课程教你如何设计、构建和部署你自己的系统。 架构：中心辐射式 所有有效的多智能体系统都遵循相同的基本模式：中心辐射式。 中心枢纽（协调代理）位于系统核心。它接收用户输入的总体目标，并将目标分解为子任务。它决定由哪个专家代理处理每个子任务，并在专家代理之间传递上下文信息。最后，它将所有子任务的成果整合起来，生成最终输出。 这些代理（专业代理）都是各自领域的专家。每位代理都有明确的职责，配备一套针对该职责优化的工具，并且系统会发出提示，限制其只能从事该领域的工作。 所有沟通都通过协调员进行。各专业人员之间从不直接沟通。协调员是路线规划、质量控制和组装的唯一负责人。 这种架构优势显著。每个专家都能专注于自身职责，从而减少因上下文信息过载而导致的错误。专家可以独立开发和测试。无需重建系统即可更换或升级单个专家。协调器提供单一的可观测点，方便调试和监控。 每个人都违反的关键规则 这一点我必须强调，因为它是多智能体系统中最常见的漏洞。 专业代理不会自动继承协调员的对话记录。 让我更直接地说。当协调员生成一个专家时，这个专家一开始对情况一无所知。它什么都不知道。它没有阅读过对话记录。它没有看到其他专家生成的内容。除了你在提示中明确包含的内容之外，它对任何事物都一无所知。 大多数人认为，既然协调员了解所有情况，那么写作专员也一定了解所有情况。事实并非如此。如果协调员收集了研究数据，并希望写作专员将其撰写成报告，那么协调员必须将所有研究数据都包含在写作专员的写作提示中。如果提示只是说“根据我们的研究撰写报告”，那么写作专员根本不知道具体做了哪些研究。 Python # WRONG — specialist has no context writer_prompt = "Write a market analysis report based on the research."

# RIGHT — all context passed explicitly 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，也是唯一有效的版本。专家需要的所有背景信息都必须明确包含在内，没有任何例外。 构建你的第一个多智能体团队：研究和报告系统 让我带您了解如何构建一个完整的多智能体团队。该系统会接收一个研究问题，并生成一份全面、文笔流畅、经过事实核查的报告。 团队成员： 特工 1：研究专家 - 搜索信息、提取关键事实并整理原始研究数据。 特工 2：分析专家 - 获取原始研究数据，识别模式，得出结论，并发现来源之间的矛盾。 代理人 3：撰稿专家 - 收集分析后的数据，并以规定的格式和语气撰写出精炼、结构化的报告。 代理 4：审校专家 - 阅读最终报告，对照原始研究检查其准确性，找出薄弱的论点，并提出改进建议。 代理 0：协调员 - 管理整个工作流程。 协调员的工作流程： 标记化 Step 1: Receive the research question from the user. Step 2: Decompose the question into 3-5 sub-questions that together fully cover the topic. Step 3: Send each sub-question to the Research Specialist. Step 4: Compile all research findings. Step 5: Send compiled findings to the Analyst Specialist. Step 6: Send analysis + research to the Writer Specialist. Step 7: Send the draft report + original research to the Reviewer Specialist. Step 8: If the Reviewer flags issues: send the flagged sections back to the Writer for revision. Step 9: Deliver the final report to the user. 每位专家都有一个专注的系统提示： 研究专员： 标记化 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. 分析专家： 标记化 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. 撰稿专家： 标记化 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. 审稿专家： 标记化 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. 为什么这个团队比单个代理人产出更好的结果： 研究员专注于深入挖掘信息，不会因为同时撰写报告而分心。分析师专注于模式分析，而不是信息搜寻或文字写作。撰稿人专注于高质量的文字创作，而不是研究或分析。审校员负责发现撰稿人遗漏的错误，因为审校是他们的全部职责。 每个员工各司其职，协调员负责确保各个环节衔接顺畅。这样一来，最终成果的质量始终高于让一个员工包揽所有工作。 设计您自己的多智能体团队 研究和报告团队只是其中一种配置。您可以为任何复杂的工作流程构建多代理团队。 内容团队： 研究员 → 大纲架构师 → 初稿撰写者 → 编辑 → 排版员 选定一个主题，制作出精良的、多格式的内容。 客户支持团队： 分类器 → 知识库检索器 → 响应撰写器 → 质量检查器 处理具有多层验证的支持工单。 业务分析团队： 数据收集员 → 趋势分析员 → 风险评估员 → 建议撰写员 获取原始业务数据，并生成可执行的战略建议。 设计原则始终如一： 每个代理都只有一项明确的职责。每个代理都拥有一套特定的工具（最多 3 到 5 个）。所有通信都通过协调器进行。代理之间显式传递上下文信息，绝不假定上下文存在。协调器会在每个阶段验证输出，然后再将信息传递给下一个代理。 三种失效模式（以及如何预防它们） 失败 1：分解范围过窄。 协调员将“人工智能对各行业的影响”分解为软件和医疗保健两个子主题，完全忽略了金融、教育、制造业、媒体和法律。 预防措施：指示协调员在分解之前列出全部范围。增加一个自检步骤：“检查你的分解工作。你是否涵盖了该主题的所有主要方面？如果遗漏了任何重要领域，请将其补充进去。” 失败原因 2：失去上下文。 研究代理人发现的信息从未传达给写作代理人，因为协调员没有将其传递过去。 预防措施：协调器必须将之前所有代理的输出包含在每个后续代理的提示中。在协调器的工作流程中构建明确的上下文传递机制。 失败原因 3：电话效应导致质量下降。 每个代理都会对前一个代理的输出进行细微的改变或丢失。信息经过四个代理传递后，重要的细节已被稀释。 预防措施：在每个阶段都应包含原始数据，而不仅仅是前一位代理人的输出结果。撰稿人应该收到原始研究资料和分析报告，而不仅仅是分析报告本身。 底线 单个智能体很有用。多智能体团队功能强大。 架构很简单：一个协调器管理专家，每个专家做好一件事，所有上下文都明确传递，协调器组装最终输出。 本周组建你的第一个团队。首先配置研究和报告功能。用一个真实的研究问题进行测试。观察其质量与让单个代理人完成所有工作相比如何。 一旦您体验过质量上的差异，您就再也不会想用单代理工作流程来处理复杂任务了。 人工智能的未来不是单个智能体包揽一切，而是多个智能体团队出色地完成各项任务。 来源 @eng_khairallah1 更多代理架构指南、编排模式和构建系统。