模式概览 · 多智能体 Wiki

以下模式并非互斥——它们可以组合使用。一个生产级的编码 Agent 可能同时使用 Supervisor + Parallel Fan-out + Blackboard + Generator-Critic + Human-in-the-loop + MCP。

#	模式	类别	一句话描述
1	Supervisor / Manager	控制	一个主 Agent 负责规划、路由和综合；专家 Agent 执行子任务。
2	Agents-as-tools	控制	专家以可调用工具形式暴露；宿主保持对话控制权。
3	Handoff / Router	控制	当前 Agent 将控制权转交给另一个 Agent，由后者接管对话。
4	Sequential Pipeline	信息	任务按固定顺序经过各个 Agent；每步的输出是下一步的输入。
5	Parallel Fan-out / Gather	信息	将任务并行拆分给多个 Agent；由一个聚合器合并结果。
6	Hierarchical Decomposition	控制	多层管理者-执行者层级；上层分解，下层执行，必要时递归。
7	Graph / State Machine / Workflow	控制	用显式的图或状态机定义流程，而非让 LLM 即兴发挥。
8	Group Chat / Meeting	信息	多个 Agent 共享一个会话线程；由主持人或选择器决定下一个发言者。
9	Nested Chat / Inner Team	信息	一个 Agent 在对回复前先运行内部多 Agent 子对话。
10	Debate / Judge	决策	多个 Agent 持对立立场，再由裁判或投票决定结果。
11	Generator-Critic	决策	一个 Agent 生成；另一个评审、验证、评分或提出修改建议。
12	Refinement Loop	决策	生成 → 评估 → 修订，直到满足退出条件或达到预算上限。
13	Role-playing / SOP	环境	Agent 扮演 PM、架构师、开发、QA 等角色，遵循文档化的 SOP。
14	Blackboard / Shared Memory	信息	Agent 通过共享状态、知识库、任务板或工作区间接协作。
15	Event Bus / Pub-Sub	信息	Agent 通过事件、主题或队列异步通信——而非直接调用。
16	Market / Auction / Contract Net	决策	通过竞标、定价或合同网协议分配任务和资源。
17	Peer-to-peer / Swarm	控制	没有固定中心；Agent 通过直接消息、共享环境或动态交接自组织。
18	Mixture-of-Agents	决策	分层集成——每层读取上一层的多个输出并加以改进。
19	Human-in-the-loop	环境	人类作为特殊 Agent 参与审批、纠正、路由、中断或最终决策。
20	Protocol-mediated Network	协议	通过 MCP、A2A、ACP、Agent Client Protocol 连接工具、Agent 、客户端和平台。
21	Clarification-at-edge	决策	在 Agent 之间交接边界或不确定操作前插入澄清步骤。
22	Coordinator / Dispatcher	控制	调度器将请求分发给 Agent 、工作流或工具，并管理任务状态、重试、超时和路由。
23	Voting / Ensemble	决策	多个 Agent 独立给出候选项；通过投票、评分或验证器选出最终答案。
24	Composite Pattern	组合	真实系统组合 pipeline + parallel + handoff + critic + HITL + blackboard + 协议层。
25	Workspace / Sandbox Isolation	环境	每个 Agent 在独立的工作区、git worktree、容器或沙箱中运行，避免并发冲突破坏。
26	Stigmergy / Environment-mediated	环境	Agent 在环境中留下痕迹（issue、todo、diff、测试结果）；其他 Agent 据此做出反应。
27	Coalition / Federation / Holonic	组织	Agent 形成临时联盟、联邦或合弄——涉及治理、成员资格、自治边界。
28	Social Simulation	模拟	模拟人群、组织或社会，具备长期记忆、关系网络和涌现行为。
29	MARL / CTDE	学习	多 Agent 强化学习；集中训练，分散执行。