多智能体系统何时必要，如何构建…

何时需要多智能体系统，以及如何构建它们？

单智能体系统在配备解决相关任务的必要工具时，既简单又极其强大。由于编排多个智能体的复杂性，我们几乎应始终从单智能体设计开始，并尽可能优化这一基础配置——单智能体更易于评估和维护。

我们可以通过逐步向系统添加更多工具和条件逻辑（以提示模板或修改后的指令形式）来扩展智能体的能力。为了让智能体表现良好，我们应为所有工具提供清晰的名称、描述和参数，以及详细说明任务预期行动和结果的指令。

何时需要多个智能体？多智能体系统以协调方式将任务执行分布在多个专门化智能体之间。多智能体系统在逻辑上分离了复杂任务的组成部分，但同时也更加复杂。因此，我们应仅在必要时扩展到多智能体系统。

表明使用多个智能体可能有帮助的常见迹象包括：

• 单智能体系统的指令过于臃肿，即使有清晰的逻辑或模板，智能体也难以遵循指令。
• 由于可用工具过多，智能体错误地选择了工具。

现代LLM的推理能力使其即使从大量工具中也能进行选择。当可用工具集存在功能重叠时，问题就会出现，这使得工具选择变得主观。在这种情况下，将工具分散到不同的智能体上会有所帮助。

多智能体系统的类型。设计多智能体系统的方法有很多，但实践中常见两种模式：

• 管理者模式：一个中央“管理者”智能体通过工具调用编排专门化智能体，每个智能体处理特定任务或领域。
• 去中心化模式：多个智能体作为对等节点运行，根据各自的专长相互交接任务。

在管理者模式中，任务执行由单个中央智能体控制。管理者智能体通过制定问题解决策略、将部分工作委派给专门化智能体，以及综合结果得出最终解决方案，充当解决任务的“粘合剂”。

与子智能体的关系。管理者模式与子智能体的概念相关。我们不是将所有上下文保留在单个智能体中，而是触发子智能体来处理任务组件。主智能体协调解决任务的高层计划，而子智能体执行技术任务并将相关上下文返回给主智能体。子智能体通过避免主智能体上下文过载，有助于提高系统可靠性。

去中心化多智能体系统没有中央智能体来编排任务执行。相反，控制权通过工具/函数调用在多个作为对等节点运行的智能体之间传递。当我们不需要中央智能体来综合结果或与用户交互时，这种设置效果最佳。

具体示例。图中包含每种多智能体设置的一些示例：

• 一个多智能体翻译系统可以使用管理者智能体来识别请求的语言对，并将每对路由到专门的翻译智能体。
• 我们可以使用去中心化模式创建一个智能体支持系统，首先使用一个智能体对问题进行分诊，然后将控制权传递给专门智能体来解决该特定类型的问题。

更多详情可在此处查看：https://t.co/aDCtCVKDTP

这篇帖子是关于评估的，但背景部分详细涵盖了基础智能体概念。这算是对我之前从第一性原理出发的智能体文章的回顾。