单 Agent 是一个人在单线程里"思考—行动—观察"；多智能体系统（MAS）则是一支各司其职的团队。本笔记聚焦分层（Hierarchical）这一主流编排方式，并与其余协作模式、主流框架做对比。

什么是多智能体系统（MAS）与单 Agent 的区别

单 Agent：一个 LLM 驱动循环，prompt、工具、记忆集中于一身，串行完成任务。优点是简单、可控、上下文无传输损耗；缺点是认知单一，难以并行处理多维复杂任务。

MAS：多个独立 Agent（各有自己的 prompt、LLM、工具与状态）按特定拓扑连接，通过消息与任务传递协作。价值在于：

• 角色专业化：每个 Agent 只做一件事，提示词更聚焦，职责更清晰；
• 并行与隔离：子任务可并行执行，上下文互不污染；
• 组织可扩展：像公司一样"加部门"即可承接更大任务。

代价同样明显：通信开销、编排复杂度、错误可能被逐级放大。工程共识是"先单后多"——多数任务单 Agent 足够，只有任务天然可分解、角色差异显著时才值得引入 MAS。

分层架构（Hierarchical）：主管-工人模式、Orchestrator-Worker

核心是集中式 Supervisor（主管/编排者）：接收任务 → 拆解为子任务 → 委派给专业 Worker（工人）→ 汇总各结果输出最终答案。Worker 之间不直接通信，所有协调流经主管。

• 单层（hub-and-spoke）：一个主管路由给 N 个工人，结构简单、易推理，适合约 6 个以内的 worker；主管上下文会随 worker 结果摘要增长，太多会形成综合瓶颈。
• 多层（树状）：Supervisor 之上还有 Supervisor，形成树状控制流，适合 worker 天然按职能分组的场景。LangChain 官方博客的 Build.inc 案例即为四层系统（Master → Role → Sequence），编排 25+ 子任务，本质是"人类组织架构的数字化映射"。
• 实现：在 LangGraph 中可用 Send API 动态创建 worker 节点——Orchestrator 产出子任务清单后扇出执行、再汇总。该模式是研究、分析、代码生成类产品的主导编排方式。

其他协作模式对比

模式	协调方式	优点	缺点	典型场景
顺序流水线	前一个 Agent 输出即下一个输入	简单、可预测	串行慢、错误前向传播	内容生成流水线
并行扇出	调度者同时派发多个子任务	快、上下文隔离	需额外的合并/综合步骤	多路资料调研
分层/主管	主管集中拆解与汇总	可控性强、角色清晰	主管易成瓶颈	复杂项目、代码开发
辩论/评审	多 Agent 互评互证后收敛	提升质量、抑制幻觉	token 成本高、可能"幻觉共振"	代码评审、事实核查
群聊	共享会话、轮流发言	灵活、信息共享充分	发言者选择难、易跑题	头脑风暴、多角色讨论

典型框架支持

• LangGraph：图/状态机范式，把 Agent 建模为节点、控制流建模为边。官方文档列出 Network、Supervisor、Swarm 三种连接方式；分层用 Subgraph 嵌套实现，Supervisor 用 Command 决定下一个执行节点。控制精度最高，学习成本也最高（GitHub 约 3 万 Star，2026 年中）。
• CrewAI：角色驱动"团队"。定义 Role/Goal/Backstory 后，hierarchical 模式由 Manager Agent 自动拆任务委派给 workers，sequential 模式按固定流程执行。上手快、适合快速 MVP（约 5 万 Star）。
• AutoGen：对话式。ConversableAgent 之间通过 send/receive 对话，GroupChatManager 决定下一发言者，并支持人机协同。研究生态活跃（约 5.8 万 Star），但自由对话易无限循环，需强终止条件。
• MetaGPT：SOP 装配线。把软件开发流程编码为标准操作程序，产品经理→架构师→工程师→QA 顺序交接，PRD、设计文档等中间产物作为消息传递，可校验、可追溯（约 6.9 万 Star）。

设计要点与常见陷阱

设计要点：①先单后多，用基准验证多 Agent 是否真的更优；②角色互斥，明确每个 Agent 的责任域，重叠职责会造成重复执行与输出不一致；③结构化交接，用消息协议/文档格式约束 Agent 间产物，让中间结果可校验；④显式终止，定义组合终止条件与最大轮次。

常见陷阱：

• 通信开销：全量传递 token 账单高，摘要压缩又丢关键细节——本质是"信息保真 vs 成本"的取舍；
• 主管瓶颈：worker 越多，Supervisor 上下文越长，综合环节越慢越易错，可用层级化或摘要降载缓解；
• 角色冲突：各 Agent 目标互斥时决策打架（如"产品要 3 个弹窗、研发只要 1 个"），需在编排层统一目标；
• 一致性：交接丢上下文、共享状态竞争，需要全局状态或持久化层兜底；
• 幻觉共振：评审 Agent 与被评 Agent 共享同一模型缺陷，"罪犯审判罪犯"式评审可能放大错误而非纠错。

一句话总结

多智能体第一原则是"先单后多"；分层架构即 Supervisor 拆解—委派的 hub-and-spoke，最大风险是主管瓶颈与幻觉共振，设计上要角色互斥、显式终止。

关联概念

• [AI-Agent-类型与适用场景](/学习笔记/AI技术/AI Agent/AI-Agent-类型与适用场景)（Hierarchical 与 Multi-Agent 是七种类型中的后两级）
• [AI-Agent-主流框架对比](/学习笔记/AI技术/AI Agent/AI-Agent-主流框架对比)（LangGraph / CrewAI / AutoGen / MetaGPT 横向对比）
• [AI-Agent-概述与核心组成](/学习笔记/AI技术/AI Agent/AI-Agent-概述与核心组成)（Agent 规划/记忆/工具/行动四组件）
• 通用技法-金字塔原理与结构化表达（分层思想相通：金字塔是思想的层级分解，分层架构是任务的层级分解）