一句话总结：多智能体七种编排模式——Orchestrator-Worker 最通用（Anthropic Research 默认）、Supervisor 适合意图分流、Blackboard 适合不可预分解的任务、P2P 只用于创意讨论；选型铁律：能单 Agent 别多 Agent，能中心化别 P2P。

七种模式（面试默写）

模式	结构	适用
Orchestrator-Worker	中心拆解→派发→汇总	并行可分解任务（默认起点）
Supervisor-Worker	主管意图分流→专职 Worker	输入类型多样（客服/IT 工单）
层级 Hierarchical	Manager→Supervisor→Worker	大规模、需分级管控
黑板 Blackboard	共享工作区，前提满足认领	无法预先分解、动态信息
P2P 对等	无中心自主协商	创意讨论/专家评审（不推荐业务）
流水线 Pipeline	固定链式	顺序固定流程
辩论 Debate	多角色攻防	决策/审查

Orchestrator-Worker（拉分点）

• 流程：Orchestrator 理解目标 → 拆子任务 → 派发 Subagent（短生命周期）→ 收集 → 综合输出
• 优点：上下文隔离、调试清晰、可追溯
• 缺点：Orchestrator 单点瓶颈、拆解质量依赖其能力
• Anthropic Claude Research 默认模式

黑板模式（深度分）

• 多 Agent 读写同一共享工作区，前提满足即认领任务（事件驱动）
• 适合：无法完整预分解（下一步依赖前步发现）/ 需动态响应新信息 / 多 Agent 贡献同一子任务

选型建议

• 能单 Agent 别多 Agent（成本 3-15x）
• 并行可分解 → Orchestrator-Worker
• 输入分流 → Supervisor
• 不确定/动态 → Blackboard
• 创意发散 → P2P

面试要点

• 能默写七种模式
• 能讲 Orchestrator-Worker 流程与优缺点
• 能说黑板适用条件
• 能讲选型铁律（能少不多、能中心不 P2P）

相关概念

• [AI-Agent-多Agent协作与A2A协议](/学习笔记/AI技术/AI Agent/AI-Agent-多Agent协作与A2A协议) — 协议层
• [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-多智能体架构与工程化](/学习笔记/AI技术/AI Agent/AI-Agent-多智能体架构与工程化) — 工程层
• [AI-Agent-工作流编排与状态图](/学习笔记/AI技术/AI Agent/AI-Agent-工作流编排与状态图) — 编排实现