AI 术语表 · 基础 · 智能体
多智能体
多智能体是指多个 AI 智能体分工承担不同角色、相互传递结果，共同完成一项大任务的方式。不是由一个智能体独自完成所有工作，而是像团队一样协作。
通俗解释 这类似于项目团队中由组长分配任务，调研、撰写、审核人员各自完成分内工作后再汇总结果。不过，AI 智能体无法像人一样凭默契共享上下文，如果不事先规定要传递什么，工作就容易出现偏差。
工作原理
常见的结构是由一个承担总控角色的智能体（编排器，Orchestrator）把用户请求拆分成小任务，再交给其他智能体。每个智能体都有与自身角色相匹配的提示词和工具，例如一个负责网页搜索，一个负责编写代码，一个负责审核结果。各自的结果再汇总到总控智能体，由它整合成最终答案。也有不设总控、由智能体依次传递任务，或像辩论一样相互交换意见的结构。
为什么重要
如果一次性给一个智能体很长的指令和大量工具，上下文窗口很快就会被占满，出错也会增多。分工之后，每个智能体只需关注自己工作所需的信息，专注度更高。相互独立的任务可以由多个智能体同时处理，从而节省时间。此外，让一个智能体审核另一个智能体的结果，也有助于发现错误。
注意事项
智能体越多，模型调用次数也越多，成本和耗时随之增加。一个智能体的错误结果传给下一个智能体时，错误可能不断累积。智能体之间以什么格式传递什么内容，这一设计在很大程度上决定了性能。因此，一般建议简单任务用单个智能体处理，只有真正值得拆分的复杂任务才使用多智能体。旨在让不同公司开发的智能体相互通信的 A2A 等标准也在陆续出现。
示例
以生成研究报告的服务为例，可以这样构建：总控智能体把主题拆成多个子问题，多个调研智能体分别查找资料，撰写智能体将其整理成报告，审核智能体核查事实。正如本站介绍过的“Docker 发布用 YAML 定义和运行 AI 智能体的 CLI 插件 Docker Agent”所示，随着可通过配置文件定义智能体角色和工具并运行的工具出现，搭建和管理这类结构正变得越来越容易。
本站出现过的地方
- 简报 Docker 发布用 YAML 定义和运行 AI 智能体的 CLI 插件“Docker Agent” 2026-10-08