文章目录第7章：多智能体协作（Multi-Agent Collaboration）一、核心概念：为什么需要多智能体协作？二、六种协作形式1. 顺序交接2. 并行处理3. 辩论与共识4. 层级结构5. 专家团队6. 批评-审查者（Critic-Reviewer）三、七种关系与通信结构四、实战代码拆解4.1 CrewAI 示例：AI 趋势博客生成4.2 Google ADK 示例（4 种模式）模式 1：层级结构（LlmAgent + sub_agents）模式 2：迭代循环（LoopAgent）模式 3：顺序执行（SequentialAgent）模式 4：并行执行（ParallelAgent）模式 5：智能体即工具（AgentTool）五、框架对比六、适用场景总结七、关键要点八、与前几章的联系第7章：多智能体协作（Multi-Agent Collaboration）来源：《智能体设计模式：智能系统构建实战指南》学习日期：2026-04-07一、核心概念：为什么需要多智能体协作？一句话：单一智能体能力有限，多智能体通过分工协作，实现 1+12 的协同效应。打个比方：单智能体：像一个全能型员工，什么都会一点，但面对复杂项目力不从心多智能体：像一个专业团队，研究员负责调研、分析师负责数据处理、写手负责产出——各司其职核心原理：基于任务分解原则，将高层目标拆分为若干子问题，分配给具备相应工具、数据访问或推理能力的智能体。关键优势：优势说明模块化每个智能体专注一个领域，职责清晰可扩展新增智能体即可扩展能力，无需重构健壮性单一智能体故障不会导致系统整体失效协同效应整体性能远超任何单一智能体协作的本质不仅是分工，更依赖通信机制——需要标准化的通信协议和共享本体，使智能体能够交换数据、委派子任务并协调行动。二、六种协作形式1. 顺序交接一个智能体完成任务后，将输出传递给下一个智能体（类似规划模式，但明确涉及不同智能体）。适用场景：流水线式任务，如：研究 → 写作 → 编辑 → 发布2. 并行处理多个智能体同时处理问题的不同部分，结果后续合并。适用场景：信息聚合，如：同时抓取天气、新闻、股票数据3. 辩论与共识智能体基于不同视角和信息源讨论，最终达成共识或更优决策。适用场景：需要多角度验证的场景，如：投资决策、伦理评审4. 层级结构管理者智能体根据工具或插件能力动态分配任务给工作智能体，并综合结果。适用场景：复杂任务管理，如：项目经理分配子任务给团队成员5. 专家团队不同领域专长智能体协作完成复杂输出。适用场景：跨领域项目，如：研究员 + 数据分析师 + 技术写手6. 批评-审查者（Critic-Reviewer）一组智能体生成初步输出，另一组智能体对其进行政策、安全、合规、正确性、质量和目标对齐等评审，原作者根据反馈修订。适用场景：代码生成、研究写作、逻辑检查、伦理对齐优势：健壮性提升、质量改善、减少幻觉或错误三、七种关系与通信结构原书按复杂度递增列出了 7 种通信模型（图 2）：#模型特点优势劣势1单智能体独立运行，无需交互最简单，适合可拆分场景能力受限2网络型去中心化，点对点通信弹性高，信息共享自由通信管理和决策一致性难3监督者专门智能体协调下属层级清晰，易于管理单点故障和瓶颈风险