你做的多 agent 之间是怎么进行通讯的？中央 agent 是怎么给下面的子 agent 分配任务的？串行？并行？
一、多 Agent 通讯与任务分配机制
1. 通讯架构：异步消息总线 (MessageBus)
Agent 之间通过 MessageBus 进行异步消息通信（第 822-903 行）：
class MessageBus:
def __init__(self):
# 每个Agent独立队列，避免全局锁竞争
self._agent_queues: Dict[str, asyncio.Queue] = {}
self._subscribers: Dict[str, List[Callable]] = defaultdict(list)核心特点：
-
每个 Agent 有独立队列 - 减少锁竞争，提高并发性能
-
支持点对点通信 - 通过
receiver字段指定目标 Agent -
支持广播 -
receiver=None时广播给所有 Agent（除发送者外） -
消息优先级 - 支持 1-10 的优先级设置
-
消息持久化 - 记录消息历史用于追溯
2. 任务分配方式：串行主任务 + 并行 QC
中央 Agent 的任务调度逻辑（第 4965-4994 行）：
async def _dispatch_to_agents(self, correlation_id, query, classification):
agents_to_invoke = [classification.primary_agent] + classification.supporting_agents
# 串行发送任务给主 Agent
await self.send_message(
receiver=classification.primary_agent,
message_type=MessageType.TASK_ASSIGN,
payload={"query": query, "classification": asdict(classification)},
correlation_id=correlation_id,
requires_response=True
)分配策略：
| 维度 | 实现方式 |
|---|---|
| 主任务执行 | 串行 - 由一个主 Agent（primary_agent）执行任务 |
| 辅助 Agent | 串行 - 主 Agent 可调用辅助 Agent，但通常也是串行协作 |
| QC 审核 | 并行（非阻塞） - 主 Agent 返回结果后，后台异步提交 QC 审核（第 5034-5036 行） |
非阻塞 QC 机制：
# 并行提交QC审核（不阻塞结果返回）
if workflow.get("requires_qc", False):
asyncio.create_task(self._submit_to_qc_async(message, correlation_id))
# 直接整合并返回结果（不等待QC）
final_result = await self._integrate_results(correlation_id)你是怎么做的agent 回答质量检测的功能？怎么识别敏感输出？
二、Agent 回答质量检测与敏感输出识别
1. 质量检测：QualityControlAgent (Agent5)
审核维度（第 6855-7258 行）：
class QualityControlAgent(BaseAgent):
async def _handle_qc_review_request(self, message: AgentMessage):
# 执行四维审核
fact_check = await self._check_facts(output) # 事实核查
citation_check = await self._verify_citations(citations) # 引用验证
logic_check = await self._check_logic(output) # 逻辑一致性
safety_check = await self._check_safety(output) # 安全合规具体检测内容：
| 检测项 | 方法 | 实现方式 |
|---|---|---|
| 事实核查 | _check_facts() |
提取科学声明 → RAG 检索验证 → 计算准确性分数 |
| 引用验证 | _verify_citations() |
检查引用格式完整性（标题、年份、作者） |
| 逻辑一致性 | _check_logic() |
使用 LLM 检查自相矛盾、推理合理性 |
| 安全合规 | _check_safety() |
调用 SafetyGuard 进行多维度安全检查 |
QC 报告生成：
class QCReport:
overall_score: float # 总体质量分数 0-1
factual_accuracy: float # 事实准确性
citation_quality: float # 引用质量
logical_consistency: float # 逻辑一致性
safety_compliance: float # 安全合规性
issues: List[Dict] # 发现的问题列表
corrections: List[Dict] # 建议的修正
approved: bool # 是否通过审核2. 敏感输出识别：SafetyGuard
多维度敏感内容检测（第 3715-4337 行）：
class SafetyGuard:
# 检测维度
POLITICAL_PATTERNS = {...} # 政治敏感内容（三级分类）
CHEMICAL_WEAPON_PATTERNS = {...} # 化学武器/危险品滥用
PROMPT_INJECTION_PATTERNS = [...] # 提示词注入攻击
PRIVACY_PATTERNS = {...} # 隐私数据泄露
LAB_SAFETY_PATTERNS = {...} # 实验安全违规
HATE_VIOLENCE_PATTERNS = [...] # 仇恨/暴力内容检测机制：
| 风险类别 | 检测方法 | 风险等级 |
|---|---|---|
| 政治敏感 | 三级正则匹配（critical/high/medium） | CRITICAL/HIGH/MEDIUM |
| 化学武器滥用 | 关键词 + 上下文模式匹配 | CRITICAL |
| 爆炸物/毒品 | 特定化合物名称 + 制备动词 | CRITICAL |
| 提示词注入 | 角色绕过、指令覆盖、分割攻击模式 | HIGH |
| 隐私泄露 | 身份证、手机号、邮箱、银行卡号正则 | MEDIUM |
| 实验安全违规 | 无防护操作、危险处置方式 | CRITICAL/HIGH |
白名单机制（上下文感知）：
RESEARCH_WHITELIST = {
"core_terms": ["电池", "电解液", "锂离子电池", "电化学", ...],
"legitimate_chemicals": ["碳酸乙烯酯", "EC", "DEC", "LiPF6", ...]
}
def _calculate_total_risk(self, risk_scores, whitelist_analysis):
# 如果是明显的研究上下文，降低化学品相关风险分数
if whitelist_analysis["is_likely_research"]:
if "chemical_weapons" in risk_scores and whitelist_analysis["chemical_matches"] >= 2:
whitelist_discount += 20风险评分与响应：
RISK_THRESHOLDS = {
RiskLevel.CRITICAL: 80, # 严重风险 - 必须阻止
RiskLevel.HIGH: 60, # 高风险 - 强烈建议阻止
RiskLevel.MEDIUM: 40, # 中等风险 - 需要人工审核
RiskLevel.LOW: 20, # 低风险 - 记录日志但允许
}预编译正则优化：
def _compile_patterns(self):
"""预编译正则表达式以提高性能"""
self._compiled_political = {
level: [re.compile(p, re.IGNORECASE) for p in patterns]
for level, patterns in self.POLITICAL_PATTERNS.items()
}总结
| 问题 | 答案 |
|---|---|
| 通讯方式 | 基于 MessageBus 的异步消息队列，每个 Agent 独立队列 |
| 任务分配 | 串行 执行主任务（单主 Agent），并行后台 QC 审核 |
| 质量检测 | 四维检测：事实准确性、引用质量、逻辑一致性、安全合规性 |
| 敏感识别 | 基于预编译正则的多级风险检测 + 白名单上下文感知 |