一句话总结：多智能体三架构——中心化（清晰可追溯但单点瓶颈）/ 去中心化（可扩展但调试指数难）/ 层级（延迟 +2-4s/层但上下文最好）；工程三关——失败处理（41-87% 失败率）、成本（3-15x token）、循环死锁。

三架构对比（面试默写）

架构	优点	代价
中心化（Supervisor/Orchestrator）	控制流清晰、全局状态一致、可追溯	单点瓶颈（100 智能体协调延迟比去中心化高 37%）
去中心化（P2P/事件总线）	水平扩展、无单点故障	调试复杂度指数上升、结果不可预测
层级（Manager→Supervisor→Worker）	上下文管理最好、分级管控	延迟 6-12s（3 层，每层 +2-4s）

• 角色分工：Manager 想战略 / Supervisor 想战术 / Worker 执行

失败处理（拉分点）

• 生产环境 41-87% 失败率——默认要做防护
• 熔断器（per-agent + per-tool）+ 指数退避
• 循环检测（拓扑状态机，防 A→B→C→A 死锁）
• max iteration 硬限 + 超时强制终止
• 优雅降级：工具失败时 LLM 自适应换路

成本与调试（深度分）

• 多 Agent 消耗 3-15x token（对比单 Agent）——Agent 不是越多越好
• 调试难：还原完整路径需整合多 Agent 日志；全局状态分散、无法单界面看进度
• 隐性 bug：Handoff 链路循环检测缺失

面试要点

• 能对比三架构（优点/代价）
• 能讲角色分工（战略/战术/执行）
• 能报失败处理五件套（熔断/退避/循环检测/硬限/降级）
• 能说 3-15x 成本与调试难度

相关概念

• [AI-Agent-多智能体编排模式](/学习笔记/AI技术/AI Agent/AI-Agent-多智能体编排模式) — 模式层
• [AI-Agent-多智能体通信与协商](/学习笔记/AI技术/AI Agent/AI-Agent-多智能体通信与协商) — 通信层
• [AI-Agent-生产部署与告警](/学习笔记/AI技术/AI Agent/AI-Agent-生产部署与告警) — 上线防护
• [AI-Agent-可观测性与Trace标准](/学习笔记/AI技术/AI Agent/AI-Agent-可观测性与Trace标准) — 调试支撑