multi-agent-patterns

此技能提供了一套强大的架构框架，专门用于设计和实施多代理系统，以解决大型语言模型固有的上下文窗口瓶颈。用户可以通过此技能将复杂任务分发给多个专业代理，而非依赖单一代理。重点在于上下文隔离的核心原则，防止因信息退化导致的“电话游戏”问题，并优化生产级系统中的 Token 经济效益。此技能对于构建需要高保真协调与并行执行之可扩展代理系统的工程师、AI 架构师与开发人员至关重要。

• 实施标准架构模式，包括用于集中控制的监督者/协调者 (Supervisor/Orchestrator)、用于灵活去中心化探索的对等/群体 (Peer-to-peer/Swarm)，以及用于分层抽象的分层结构 (Hierarchical)。

• 通过将信息分割到精简的专业代理节点中，采用上下文管理策略来减轻注意力稀缺、上下文中毒及“中间丢失”(lost-in-the-middle) 的性能退化问题。

• 设计用于稳健代理交接 (handoffs)、抗谄媚共识机制及故障处理的协调协议，以防止错误在代理群体中连锁传播。

• Token 预算优化技术，比较基准单一代工成本与多代理系统，确保性能提升足以抵消约 15 倍的 Token 乘数开销。

• 当遭遇单一模型注意力容量无法负载的复杂任务，或任务可自然分解为可并行处理的子任务时，请启用此技能。

• 在流程不同阶段需要特定工具组的场景中使用，避免单体代理承载不必要的冗余上下文。

• 非常适合需要通过监督者进行人机回路 (human-in-the-loop) 监管，或需要高度自主研究与探索且具备对等交接能力的生产系统。

• 在实施时，请优先考虑模型选择与架构设计，因为优异的推理模型通常比单纯增加上下文窗口或代理数量能提供更好的性能回报。

• 请注意，过度依赖监督者的设计可能会引入延迟；考虑实施 forward_message 工具以允许直接反馈路径，提升信息传递的精确度。