创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

何时应把任务拆给多个智能体

AI 总结

OracleMind 文章作者介绍了从单个 ReAct 智能体转向多智能体架构的实践,由入口智能体将命理排盘、报告和评估任务分派给专用智能体。文章披露的 LangGraph 实现加入生成、校验、重试和降级节点,在子智能体结果交给入口智能体前进行检查。

深度见解

该案例为多智能体设计提供了具体判断框架,可用于权衡工具分组、提示词隔离、上下文规模、校验、路由开销、延迟与 token 成本。

第 1 篇(为什么不是调一次 API)里我列过本系列大纲,说好要讲「多智能体编排」。前面 5 篇把单 Agent 的循环、LangGraph 编排、SSE 流式、生产级运行时讲完了,这一篇补上最后一块:什么时候不该用「一个大 Agent 包打天下」。

以下代码均来自玄镜(OracleMind)真实源码:oraclemind-ai/src/agent/home_agent.py、harness/boundary/langgraph_nodes.py。示例省略导入与模型初始化;create_react_agent 的参数名(system_prompt / prompt / state_modifier)以你当前 LangChain / LangGraph 依赖版本为准。

一、单 Agent 的「撑死」临界点

玄镜的 home_agent 是首页通用入口:负责闲聊 / 通用问答,必要时调排盘工具。最初它就是用 LangGraph 的 ReAct 把几个工具挂上去:

# 早期示意:实际工具数后来涨到十几个
tools = [bazi_paipan, ziwei_paipan, name_generate, name_detail]
agent = create_react_agent(
    model=model,
    tools=tools,
    system_prompt=HOME_AGENT_SYSTEM_PROMPT,
)

#OracleMind#LangGraph#LangChain#home_agent#ming_agent#report_agent#scale_report_agent#assessment_agent

原文约 4 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。