multi-agent-patterns

此技能提供了一套強大的架構框架，專門用於設計和實作多代理系統，以解決大型語言模型固有的上下文視窗瓶頸。使用者可以透過此技能將複雜任務分發給多個專業代理，而非依賴單一代理。重點在於上下文隔離的核心原則，防止因資訊退化導致的「電話遊戲」問題，並優化生產級系統中的 Token 經濟效益。此技能對於構建需要高保真協調與並行執行之可擴展代理系統的工程師、AI 架構師與開發人員至關重要。

• 實作標準架構模式，包括用於集中控制的監督者/協調者 (Supervisor/Orchestrator)、用於靈活去中心化探索的對等/群體 (Peer-to-peer/Swarm)，以及用於分層抽象的分層結構 (Hierarchical)。

• 透過將資訊分割到精簡的專業代理節點中，採用上下文管理策略來減輕注意力稀缺、上下文中毒及「中間丟失」(lost-in-the-middle) 的效能退化問題。

• 設計用於穩健代理交接 (handoffs)、抗諂媚共識機制及故障處理的協調協議，以防止錯誤在代理群體中連鎖傳播。

• Token 預算優化技術，比較基準單一代理成本與多代理系統，確保效能提升足以抵消約 15 倍的 Token 乘數開銷。

• 當遭遇單一模型注意力容量無法負載的複雜任務，或任務可自然分解為可並行處理的子任務時，請啟用此技能。

• 在流程不同階段需要特定工具組的場景中使用，避免單體代理承載不必要的冗餘上下文。

• 非常適合需要透過監督者進行人機迴路 (human-in-the-loop) 監管，或需要高度自主研究與探索且具備對等交接能力的生產系統。

• 在實作時，請優先考慮模型選擇與架構設計，因為優異的推理模型通常比單純增加上下文視窗或代理數量能提供更好的效能回報。

• 請注意，過度依賴監督者的設計可能會引入延遲；考慮實作 forward_message 工具以允許直接回饋路徑，提升資訊傳遞的精確度。