多智能体系统设计模式、反模式与制造经验分类
Taxonomy of multi-agent design patterns, anti-patterns, and lessons from manufacturing
AWS Machine Learning Blog 梳理了多智能体系统的确定性工作流、自主编排、混合架构、5 类反模式和制造场景选型约束。文中用 10 个步骤各 95 percent 可靠时端到端只有 59.9 percent、20 个步骤只有 35.8 percent 的例子说明依赖交接会放大风险。
原文给出多智能体模式与反模式的分类和决策树,帮助读者按任务确定性、专业分工与风险边界选择最简架构。
企业团队正在构建多智能体系统,当早期实现效果不佳时,原因很少是模型本身。多智能体协调是一个分布式系统问题,而许多承担此任务的团队尚未建立分布式系统的直觉。
各来源的数据是一致的:约 88% 的 AI 试点从未进入生产环境。斯坦福 HAI 证明,当协调开销超过收益时,两个模型协作的表现可能比单独使用任何一个都差。模式很明确:团队添加复杂性的速度超过了建立认知的速度。十个每一步 95% 可靠的步骤,端到端可靠性仅为 59.9%,而 20 个步骤则降至 35.8%。这个示例模型假设严格顺序链且无重试,但方向成立:每个依赖交接都会成倍增加风险。
在这篇文章中,您将学习如何判断用例是否需要多个智能体,选择协调模式,并尽早发现昂贵的反模式。您还将看到节拍时间(takt time)、安全边界、边缘数据和换班周期如何塑造架构。
多智能体协调模式
协调模式分为两个层级,基于谁控制流程。在第一层级中,您定义路径。
在第二层级中,模型在运行时选择路径。这种灵活性可以处理那些无法预先定义步骤的工作,但在令牌、延迟和调试方面成本更高。实用的默认做法是从第一层级开始,仅当子任务在工作过程中出现时,才将任务移至第二层级。
第一层级:模式(确定性控制流)
1.1 顺序流水线:实现线性执行的编排模式,其中每个节点的输出传递给下一个节点(A -> B -> C),支持具有可预测执行时间的有序处理
在下图中,输入流向智能体 A(提取),然后流向智能体 B(转换),接着流向智能体 C(验证),最后输出。用户在构建时定义该顺序,运行时不做出任何决定。因此,流水线易于调试和测试,且成本可预测。典型适用场景包括文档处理、提取、转换和加载(ETL)链,以及保修索赔分诊。
图 1:顺序流水线,每个智能体的输出传递给下一个,从提取到转换再到验证
1.2 条件工作流:基于逻辑的边根据条件选择下一个节点,因此工作流可以分支并将每个案例发送到不同的路径。
在下图中,用户请求流向智能体 A(编写代码),然后流向智能体 B(测试代码)。通过/失败检查将通过的工作发送到智能体 D(部署)。失败的工作循环回智能体 A 进行重试,最多 N 次,然后升级给人类。编排层强制实施该上限,例如通过 AWS Step Functions 的迭代限制,以防止循环成为本后文描述的无界迭代反模式。
图 2:条件工作流,在升级给人类之前最多重试失败 N 次
1.3 条件路由器:
分类步骤检查输入并将其引导至适当的处理路径。每个请求仅执行一条路径。最适合意图驱动的调度、质量门控决策、客户咨询路由和异常分诊。
下图显示了一个工厂主管的请求被分类器读取,并发送给恰好一个专家。关于部件是否符合规格的问题会发送给质量智能体,逾期的设备维护会发送给维护智能体,班次变更会发送给排程智能体。此决策在入口点做出。
图 3:条件路由器,每个请求运行一条路径,在人工升级前进行有限次重试
1.4 并行工作流: 任务拆分为独立的子任务,在多个处理程序中同时运行,每个处理程序使用其自己的数据。当所有处理程序完成时,一个汇聚步骤会合并结果,如果某一路径失败,则仅重试该路径。最适合多源分析、批处理以及可分解为独立部分的工作。
在下图中,一个研究编排器将任务分解并分派给三个并发运行的专家智能体:一个金融数据智能体、一个地缘政治智能体和一个物流智能体,每个智能体分析其自己的数据源。一个合并步骤等待所有三个智能体完成,然后综合结果、解决冲突并对发现进行排序。延迟等于最慢的单个智能体,而不是三个智能体的总和。
图 4:并行扇出到专家智能体,随后是一个综合并排序结果的汇聚步骤
第二层:自主模式(由 LLM 决定控制流)
在自主模式中,控制流由 AI 模型本身在运行时决定,而不是由开发者预先定义。智能体读取任务状态,推理所需内容,并通过共享上下文进行协调,而不是通过固定路径,涵盖从结构化编排到完全涌现行为的谱系。
2.1 基于计划的编排
在基于计划的编排中,单个编排器智能体充当项目经理。编排器维护一个包含分配和依赖关系的显式任务计划,在查看所有上下文的同时,每个工作者仅接收其分配的部分,根据当前计划动态分配工作,并集中监控进度。关键设计选择是工作者是无状态且独立的。如果一个工作者失败,它不会污染其他工作者。编排器仅重试失败的工作者,而不是整个工作流。
下图显示了一个规划器智能体如何将任务分解为显式计划,并将每个步骤分派给工作者智能体。每个步骤都发送给一个专用工作者(一个研究智能体、一个分析智能体和一个报告智能体),该工作者仅看到其分配的部分。
图 5:基于计划的编排,规划器智能体将每个步骤分配给无状态的工作者智能体
2.2 交接模式
智能体以有限的局部知识运行,并通过点对点委托进行协调。每个智能体根据任务及其已知的智能体,就何时以及向谁转移控制权做出局部决策。控制权随状态传递:每次转移都携带经过验证的任务状态、其背后的证据以及任何未解决的问题,因此接收智能体继续处理,而不是重新解释摘要。仅通过对话进行的转移不是交接。
在下图中,一个客户服务智能体将其控制权连同上下文一起转移给技术支持智能体或计费智能体,而技术支持可以进一步交接给高级工程师。每个智能体只知道它可以转移控制权的一小组对等智能体。
图 6:交接模式,通过对等智能体之间的局部委托传递经过验证的状态
2.3 对话驱动模式
在对话驱动模式(也称为群聊模式)中,所有智能体参与一个共享对话,编排通过轮流发言而非显式计划或结构化交接产生。这反映了人类团队协作,其中每个人都能看到讨论并在适当时候做出贡献。
在下图中,一个智能体选择机制决定轮到谁发言,智能体 A、B 和 C 各自向一个共享对话添加内容,其中每一轮都是一条消息加上一个工具调用。选择机制设定轮流发言,状态隐含在对话历史中。
图 7:对话驱动模式,其中轮流发言选择下一个智能体,状态存在于对话中
控制流特征:
- 可见性:广播所有智能体观察共享对话中的所有消息。
- 决策:基于对话上下文而非预定计划选择下一个发言者。
- 状态管理:隐含在对话历史中。
- Turn-taking: Determined by selection mechanisms (round-robin, AI-driven)
- 轮流制。智能体以固定、重复的顺序轮流发言,直到满足终止条件,从而保持可预测性。
- AI 驱动。模型从对话上下文中选择下一个发言者,而非固定顺序。
2.4 辩论/共识
多个智能体独立评估相同的输入,它们的结论通过多数决、由裁判智能体或在不一致时通过升级机制进行协调。与对话驱动模式不同,智能体在确定立场之前看不到彼此的推理,这使得分歧具有信息量而非社会性趋同。
谨慎使用。辩论是这里最昂贵的模式,在感知任务上它购买的是延迟而非准确性(参见下文反模式 3 中的质量检查案例)。将其保留用于高风险、低流量的决策,其中错误的代价高于深思熟虑。
混合方法
在实践中,大多数生产系统根据任务分解组合多种模式:
- 使用工作流模式处理可预测、理解透彻的组件。
- 在需要灵活性和适应性的地方应用自主模式。
- 在所有编排类型中一致地实现任务管理模式(终止、委托)。
- 设计层次化组合,其中复杂智能体在不同层内部使用不同的模式。
指导原则:模式与任务对齐。将编排方法与每个任务的固有特征以及系统的可靠性要求相匹配,而不是强行通过单一模式处理所有事情。
烧掉预算的反模式
以下五个反模式中的每一个在设计时看起来都合理,但每一个后来都会表现为膨胀的令牌成本、错过的节拍时间窗口,或一个悄悄与车间失去同步的决策。
1. 上帝智能体
一个智能体通过一个包含 15 个或更多工具的单一提示词,拥有整体设备效率(OEE)分析、可编程逻辑控制器(PLC)诊断和维护。随着工具数量增加,工具选择性能下降,且故障难以归因。
修复方法: 限制为五个或更少工具的有界智能体,例如 OEE 分析师、故障诊断员和维护起草员。
2. 无界迭代
该智能体在“重试”上陷入循环,没有硬性停止机制。一个四智能体系统可能在单次重试前消耗显著更多的令牌,且没有任何一次调用会触发警报。重试会放大协调故障,而非修复它们。
解决方案: 在代码中设置硬性迭代上限,为每个智能体设置令牌上限,并将预算警报连接到自动停止机制。基础设施强制执行限制。模型不会自行停止。
3. 自然语言契约
智能体之间传递无模式(schema)的自由文本。解释在每一跳中都会固化:“可能表明磨损”变成“确认磨损”,进而变成维护工单。漂移发生在智能体之间,而这里的追踪最为薄弱。
4. 过早的多智能体
在单个智能体配合工具组即可完成任务的地方使用多智能体。每个智能体都增加了非线性的协调成本,且收益在四个左右趋于平缓。大多数“专家”只是同一个模型换了不同的外衣。
解决方案: 需要至少两个不同的模型、不同的工具访问权限、并发执行以及真实的相互依赖。如果少于两个,单个智能体配合动作组即可完成。
测试标准:如果一个智能体可以通过切换工具来处理各个阶段,那么这就不是一个多智能体问题。
5. 无防护的客户接触
智能体在没有审批步骤的情况下触发现实世界中的动作(电子邮件、服务访问、机器参数)。幻觉跨越到物理世界,不可逆的动作会累积,责任从退款升级为产品责任。
解决方案: 纵深防御:推荐 → Amazon Bedrock Guardrails → 模式验证 → 业务规则 → 人工审批 → 执行。
智能体输出到达客户或安全系统的每一个点都是信任边界。
选择架构
在了解了这些模式和反模式之后,架构选择归结为一系列简短的问题。
- 任务是否需要超出文本生成的动作? 将直接模型调用作为基线,仅在有可衡量的理由时才添加编排。总结文档或根据规范生成代码很少提供这样的理由。
- 解决方案路径是否预先已知? 如果你能写下按什么顺序发生什么,你根本不需要做“多少个智能体”的决策。你真正的选择更简单:一个调用工具的单个智能体,或一个 Tier 1 工作流。
- 工作是否需要真正不同的专业知识? 具有既定交接流程的独立领域才证明使用专门智能体的合理性。单一领域属于一个智能体,无论它需要多少工具。
- 解决方案是否只能通过探索产生? 当动作序列已知且可以运行“行动-验证”循环时,它属于单个智能体,即使该智能体动态规划其步骤。只有当子任务本身是在工作过程中被发现时,Tier 2 才值得其增加的成本、延迟和调试负担。
以下决策树将这四个问题转化为一条你可以从上到下遵循的路径。
图 8:选择最简单架构的决策树,从单个模型调用到 Tier 2 多智能体模式
决策树首先询问任务是否需要超出文本生成的操作。如果不需要,简单的模型调用就足够了。如果需要,决策树会询问解决方案是否已知且可以表示为工作流。在已知解决方案方面,受益于专业专长或领域分离的工作将进入 Tier 1 多智能体工作流(流水线、扇出或路由器)。其他所有情况都交给带有工具和行动组的单个智能体。在未知解决方案方面,只有涉及探索或重大副作用的任务才会进入 Tier 2 的自主多智能体模式。其余任务仍由单个智能体处理。指导原则是选择满足需求的最简单架构。
以下图表从四个方面比较了这些模式:何时使用每种模式、智能体之间的控制流如何、结果的确定性如何,以及构建和运行的成本。构建成本是一个相对比例,而非估算值。
图 9:按用例、控制流、确定性和相对构建成本对模式进行比较
Tier 1 模式在低到中等构建成本下具有较高的确定性得分。Tier 2 模式将更多的路径交给模型,而基于计划的编排构建成本最高。如果你能在运行时之前在白板上画出控制流,请从 Tier 1 开始。
应用:将模式映射到制造业用例
| 用例 | 模式 | 理由 |
| 班次交接摘要 | 顺序流水线 | 线性:原始日志 → 摘要 → 报告 |
| 多工位根本原因分析 | 基于计划的编排器 | 动态:在分析过程中发现子任务 |
| 实时质量门 | 条件路由器 + 边缘智能体 | 循环内:本地模型决策。智能体推理不在路径上 |
| 预测性维护调度 | 并行扇出/扇入 | 每个资产类别使用独立的模型 |
| 工程变更单影响 | 辩论/共识 | 高风险:对抗性审查是合理的 |
| 供应商沟通起草 | 顺序 + 人工门 | 不得自动发送(参见无防护客户联系) |
| 跨工厂优化 | 基于计划的编排器 | 多源:动态查询。求解器执行分配 |
制造业视角:改变计算逻辑的四个约束
制造业不是通用的企业 IT 环境,四个约束使得这种计算变得不容忍错误。
约束 1:生产线延迟 = 直接收入损失
汽车车身车间,机器人将车身焊接在一起,通常以每小时 60 件的速度运行。它们 40 多个工位中的每一个在生产线推进之前都有 60 秒的节拍时间。位于工位循环路径上的推理延迟会侵蚀这 60 秒,瓶颈工位的延迟会拖慢整条生产线。即使是 2% 的吞吐量下降也可能转化为巨大的年度收入影响。
架构影响: 在 p99 而非平均值上预算延迟。尾部才是导致生产线停止的原因。为每个智能体提供亚秒级的确定性回退,并使其与风险相匹配:
- 咨询/质量标记: 通过带有标记的部件,以便在生产线末端进行审查。
- 安全关键: 遏制或确定性停止,而不是继续。
- 在部署前为每个工位决定此映射。
约束 2:安全具有物理后果
一个产生幻觉的聊天机器人只会造成尴尬。而一个产生幻觉的焊接参数则会导致结构缺陷,这些缺陷会在碰撞测试或现场故障中显现,并可能引发安全召回。两种故障模式反复出现:
- OT/IT 边界状态不同步:智能体读取制造执行系统(MES)显示 12 号工位正在加工 A 号零件,但手动 PLC 覆盖操作已将其切换为 B 号零件,导致智能体为错误的零件调整参数。
- 幻觉安全边界:维护智能体从零开始推理上锁/挂牌(lockout/tagout)流程,并在相邻的 6 号工位仍在运行时,错误地声明 7 号工位可进入,从而破坏了联锁区域。
架构影响:
边界设定:保持确定性核心不变,包括 PLC、监控与数据采集(SCADA)系统以及 MES,并在其外围包裹一层建议层。
- 智能体负责观察、分析和推荐。它们不执行操作。
- 安全约束作为确定性护栏存在于外部服务中,智能体查询这些服务而非对其推理。它们绝不嵌入在提示词中,因为在那里它们可能被辩驳掉。
验证与审批:推荐方案需通过模式验证和物理模拟,并在执行前立即对照 OT 真实来源进行检查,绝不使用超过一个周期的 OT 状态缓存。随后,根据其范围在相应级别进行审批:
- 0 级:智能体自主解决。
- 1 级:操作员单击确认。
- 2 级:工程师根据呈现的分析结果做出决定。
- 3 级:管理层评估停线建议。
只有经过验证的命令接口才会将允许的命令传递给确定性控制系统。大语言模型(LLM)提出建议。物理引擎和人类操作员做出最终处置。
约束 3:数据驻留在边缘
一台冲压机每天产生 50+ GB 的传感器数据,其价值在毫秒内衰减。将其传输到云端的带宽成本高于计算成本,而且等到云端响应时,冲压机早已进入下一道工序。
架构影响:混合边缘-云是实际的默认选择,且约束 2 的边界在边缘端同样适用。
- 边缘(AWS IoT Greengrass):在源头进行子节拍异常检测、阈值监控以及停止或继续信号:边缘智能体提出建议,PLC 执行操作。
- 云端:处理边缘无法完成的任务:跨班次分析、跨工厂趋势关联以及基于车队数据的模型重训练。边缘端仅提炼并传输重要信息。
约束 4:与班次对齐的智能体生命周期
无限制的上下文会导致智能体漂移,因为过时的观察会挤占当前现实。完全重置会丢失班次间的连续性。制造业已经通过结构化的班次交接为人类解决了这个问题,智能体也需要同样的纪律。
架构影响:将智能体记忆限制在班次周期内。
- 初始化:班次上下文,包括人员名册、生产目标以及上一班次的交接信息。
- 累积:仅在班次窗口内使用工作记忆。
- 交接:输出班次结束摘要,包括未解决的问题、标记的异常和建议,为下一班人员提供种子信息,模仿人类仪式而不导致上下文无限增长。
基于 AWS 构建
以下托管服务对应本帖子前面提到的关注点。每一行都指明了机制,而不仅仅是服务。
| 需求 | 服务 | 机制 |
| 运行时 | AgentCore 运行时,Amazon Bedrock AgentCore 的一项功能 | Agent 运行的位置,其控制流由确定性逻辑或模型决定。可引入 Strands、LangGraph 或 CrewAI。 |
| 班次边界内存 | AgentCore 内存,Amazon Bedrock AgentCore 的一项功能 | 托管短期和长期上下文,因此约束 4 中的班次范围内存是配置而非自定义状态管道。 |
| 类型化交接 | AgentCore 网关,Amazon Bedrock AgentCore 的一项功能 | 将 API 和 AWS Lambda 函数转换为具有经过验证的模式(schema)的模型上下文协议(MCP)工具,因此交接携带的是类型化字段而非散文。 |
| Agent 权限 | AgentCore 身份,Amazon Bedrock AgentCore 的一项功能 | 为每个 Agent 提供唯一且可验证的身份,并具备细粒度访问控制。它是执行点,决定了哪个 Agent 可以访问哪个系统,以及代表谁执行。 |
| Agent 间追踪 | AgentCore 可观测性,Amazon Bedrock AgentCore 的一项功能 | 通过 Amazon CloudWatch Transaction Search 和 AWS Distro for Open Telemetry (ADOT) 对运行时、内存、网关和工具进行跨域跨度(Spans)和追踪(Traces)。交接是多 Agent 系统中可观测性最弱的部分,也是无类型契约静默失败的地方。 |
| 人工审批界面 | AWS Quick | 升级层级的落地位置。AWS Quick Automate 运行审批工作流,支持在 Slack 中一键审批,其操作连接器可以调用 Amazon Bedrock AgentCore Agent。 |
| 分层模型选择 | Amazon Bedrock | 跨模型家族的单一 API,因此成本分层是配置:路由器分类使用小模型,编排器综合使用更强的模型。 |
结论
多 Agent 系统改变了汽车制造商大规模编排智能的方式,但前提是建立在正确的基础之上。
这里的模式和反模式来自实际部署,其中糟糕的架构表现为失控的 Token 成本、节拍时间违规,最坏情况下是物理安全风险。工厂规模下的经济学不容忍,因为 Token 量随着每个 Agent、机器人和班次而增长。分层模型选择、上下文压缩和边缘-云分布是以该成本的一小部分交付相同价值的主要杠杆。
这里的建议是从第 1 层模式开始,证明价值,然后扩展。大多数制造用例,如班次交接摘要、质量门决策和预测性维护,通过确定性工作流即可得到很好的服务。将自主编排保留给真正开放式的问题,其中动态子任务发现证明增加的成本、延迟和调试复杂性是合理的。
关于作者
Kamlesh Mariwala
Kamlesh 是 AWS 的高级生成式 AI ML 解决方案架构师,专注于汽车和制造业。他帮助客户设计可扩展、安全且成本效益高的架构,利用 AWS 代理式 AI 和机器学习解决复杂的业务问题并加快价值实现时间。
Malini Sethi
Malini 是亚马逊云科技(AWS)的解决方案架构师,专注于汽车和制造行业。她与大客户合作,设计和实施云原生解决方案,以加速其 AI 采用和 AWS 生成式 AI 的数字转型。在担任现职之前,她曾担任 AWS ProServe 顾问,与客户紧密合作,将复杂的技术挑战转化为可扩展、可投入生产的系统。她曾在麻省理工学院(MIT)学习机器学习。
Deepesh Koppunuru
Deepesh 是 AWS 的高级生成式 AI 机器学习解决方案架构师,他与大型企业客户合作,通过 AWS 生成式 AI 服务释放创新潜力。凭借对展示 AI 变革力量的热情,Deepesh 帮助组织重新构想业务流程,并实现推动实际影响的可衡量成果。
Sandy Hsieh
Sandy 是 AWS 全球专家团队中负责支持汽车和制造客户采用生成式 AI、代理式 AI 和物理 AI 解决方案的高级数据与 AI 专家。Sandy 拥有超过 10 年的全球汽车行业经验,涉及供应链、车辆规划和信息娱乐等领域。她拥有卡内基梅隆大学机械工程硕士学位。
来源:AWS Machine Learning Blog · aws.amazon.com








