【LLM-Agent】七种agent协作模式

Note

• 并行、串行、循环、路由、聚合、网络（多智能体自由交互）、层级模式

一、7种智能体（Agent）协作模式

1. 并行模式（Parallel）：每个智能体负责处理不同的子任务，例如数据提取、网页检索和内容摘要，它们的输出会整合为一个统一结果。该模式非常适合在文档解析、API 编排等高通量流程中降低延迟；

2. 串行模式（Sequential）：每个智能体逐步为任务增值，例如一个智能体生成代码、另一个进行审核、第三个负责部署。在工作流自动化、ETL（抽取 - 转换 - 加载）链路以及多步骤推理流程中，常能见到这种模式的应用；

3. 循环模式（Loop）：智能体会持续优化自身输出，直到达到预期质量标准。该模式适用于校对、报告生成或创意迭代等场景，系统在确定最终结果前会进行反复优化；

4. 路由模式（Router）：在此模式下，一个控制智能体会将任务分配给对应的专业智能体。例如，金融相关的用户查询会分配给金融智能体（FinAgent），法律相关查询则分配给法律智能体（LawAgent）。它是上下文感知型智能体路由的基础，在新兴的 MCP/A2A（多智能体协作 / 智能体间交互）类框架中较为常见；

5. 聚合模式（Aggregator）：多个智能体生成部分结果，由主智能体将这些结果整合为一个最终输出。也就是说，每个智能体提供独立结论，再由一个核心智能体汇总形成统一共识。该模式常见于 RAG（检索增强生成）的检索融合、投票系统等场景；

6. 网络模式（Network）：此模式下不存在明确的层级关系，智能体之间可自由交互，动态共享上下文信息。适用于模拟、多智能体游戏以及需要自由行为模式的集体推理系统；

7. 层级模式（Hierarchical）：一个顶层规划智能体将子任务分配给执行智能体，跟踪任务进度并做出最终决策。这种模式与现实中 “管理者 - 团队” 的协作方式完全一致。

Reference

[1] https://www.dailydoseofds.com/ai-agents-crash-course-part-1-with-implementation/