大模型干货：7张图带你搞懂多agent代理的7种设计模式-CSDN博客

本文链接：https://blog.csdn.net/2401_85375186/article/details/147594444

在这里插入图片描述

协调者/分发模式 (Coordinator/Dispatcher Pattern)
- 例子： 智能客服中心。当用户提出一个复杂问题时，“协调者”智能体首先理解问题的类型（例如，账单问题、技术故障、产品咨询）。然后，它将该问题“分发”给专门处理该领域的“专家”智能体（如账单专家、技术支持专家、产品知识专家）。协调者不直接解决问题，而是确保问题被路由到最合适的处理者那里，并可能跟踪问题的解决状态。
顺序管道模式 (Sequential Pipeline Pattern)
- 步骤1 (输入验证): 第一个智能体接收原始数据（如销售记录），并验证其格式是否正确、数据是否完整。
- 步骤2 (数据处理与分析): 第二个智能体接收验证后的数据，进行统计分析、计算关键指标（如月度增长率、销售额）。
- 步骤3 (结果报告): 第三个智能体接收分析结果，将其格式化为人类可读的报告（如图表、摘要），并可能将其发送给相关人员。每一步的输出是下一步的输入，按顺序执行。

例子： 自动化报告生成系统。

并行扇出/聚合模式 (Parallel Fan-Out/Gather Pattern)
- 例子： 旅游行程规划。用户输入目的地和日期，“扇出”阶段启动多个并行运行的智能体：一个搜索机票，一个搜索酒店，一个搜索当地活动和景点。这些智能体同时独立工作以提高效率。当所有智能体完成搜索后，进入“聚合”阶段，另一个智能体将收集到的机票、酒店和活动信息整合成一个完整的行程计划推荐给用户。
层级任务分解模式 (Hierarchical Task Decomposition)
- 顶层 (报告撰写者): 负责最终论文的整体结构和风格。
- 中层 (研究助手): 接受顶层指令，将任务分解为更小的部分，例如“文献综述”、“数据分析”、“方法论描述”。它委派这些子任务给底层专家。
- 底层 (专家): 多个智能体分别执行具体任务，如“网络搜索”智能体负责查找相关文献，“数据分析”智能体处理实验数据，“文本摘要”智能体总结文献要点。底层完成后将结果汇报给中层，中层整合后再提交给顶层完成最终论文。

例子： 撰写一篇研究论文。

审查/批评模式 (Review/Critique Pattern)
- 例子： AI辅助内容创作。一个“创意写作”智能体负责生成文章初稿。稿件完成后，交给一个“事实核查与风格审查”智能体。该审查智能体检查文章中的事实准确性、语法错误、逻辑连贯性以及是否符合预设的风格要求（如正式、幽默）。审查结果（可能包含修改建议或错误标记）反馈给写作智能体或直接呈现给用户。
迭代优化模式 (Iterative Refinement Pattern)
- 例子： 软件代码优化。一个“代码生成”智能体根据需求初步生成一段代码。然后，一个“性能测试与静态分析”智能体运行测试用例，检查代码的性能瓶颈、潜在bug和代码规范符合度。测试结果反馈给“代码优化”智能体，该智能体根据反馈修改代码。这个“生成-检查-优化”的循环不断进行，直到代码达到预定的质量标准（如性能指标、测试通过率）才退出循环，输出最终优化后的代码。
人机协作模式 (Human-in-the-Loop Pattern)
- 例子： 医疗影像辅助诊断。AI智能体分析医学影像（如X光片、CT扫描），识别出可能的异常区域，并给出初步诊断建议和置信度。由于医疗诊断的严肃性，系统会将AI的分析结果和标记的区域提交给人类医生（操作员）。医生审查AI的建议，结合自己的专业知识做出最终诊断决策。或者，在模棱两可的情况下，AI请求人类专家提供额外信息或判断，然后基于人类的输入继续处理。