多智能体 执行-辩论-校验 闭环架构

文章目录

一、核心本质

整体架构本质:执行 → 辩论 → 校验 三节点闭环循环

规划层只做首次大任务拆分,不参与内部循环迭代。

二、三大智能体权责划分

1. 执行Agent(A/B/C)

  • 读取任务队列 tasklist
  • 按任务描述/入参执行
  • 执行结果、状态、日志回填到 State
  • 若有 modify_info,优先按修正后内容执行

2. 辩论Agent

  • 只读全局 State.tasklist 任务全量记录与执行结果
  • 负责挑错、质疑、反向推演、找逻辑漏洞
  • 仅输出:疑点、问题原因、修改建议
  • 只有建议权,无判决权、无直接修改权

3. 校验Agent(终审裁判)

  • 复核任务执行本身是否合理
  • 裁决辩论Agent的质疑是否成立
  • 三种裁决分支:
    1. 无问题 / 辩论无理抬杠 → 流程结束
    2. 确实存在问题 → 确认修改信息,重置子任务,重新入队重回执行
    3. 单任务重跑超上限 → 标记异常、强制终止,防死循环

三、闭环流转逻辑

  1. 规划拆分任务 → 生成 tasklist
  2. 任务入队 → 执行Agent执行并回填结果
  3. 执行完毕 → 进入辩论Agent复盘挑错
  4. 辩论完成 → 进入校验Agent终审
  5. 校验通过 → 结束流程
  6. 校验判定有问题 → 携带最终修改信息局部任务重入队列 → 回到执行节点
  7. 形成:执行 ↔ 辩论 ↔ 校验 循环

四、关键设计规则

  1. 重跑必须携带修改信息,否则重复跑无意义
  2. 辩论只提建议,校验才是唯一拍板者,防止把对的改错
  3. 只做局部子任务重跑,不退回规划层重拆全局任务
  4. 限制单任务最大重跑次数,避免无限循环

五、TaskList 任务标准字段

json 复制代码
{
  "task_id": "",
  "task_desc": "",
  "input_params": {},
  "executor": "",
  "status": "待执行/已完成/异常",
  "exec_result": "",
  "retry_count": 0,
  "max_retry": 2,
  "modify_info": {
    "modify_reason": "",
    "old_content": "",
    "new_content": ""
  }
}
相关推荐
大模型丫丫19 小时前
深入解析:HashMap、HashTable 与 ConcurrentHashMap 的核心区别
人工智能·transformer
Lee_jerome1 天前
python神经网络编程入门(三十)——Transformer 从 RNN 到注意力:模型为什么需要“瞄一眼“
rnn·深度学习·nlp·transformer·attention·注意力机制·序列建模
xyz_CDragon1 天前
MiniMax H3 vs Seedance 2.5 vs Kling 3.0:2026 AI视频生成模型横评(排行榜+价格+开源实测)
人工智能·开源·音视频·transformer·minmax h3
FellAveal1 天前
【Transformer入门】从函数到Transformer
人工智能·深度学习·transformer
青春不败 177-3266-05202 天前
CNN-Transformer:PyTorch遥感【含无人机】影像的分类、检测、语义分割和点云分类
pytorch·目标检测·cnn·transformer·生态学·遥感·地物分类
蒸蒸yyyyzwd2 天前
cpp 选手 转 ai 后端学习笔记
c++·transformer·ai编程
科里 Coralyx3 天前
Transformer、BERT、GPT-3:大模型时代的三块地基
gpt-3·bert·transformer
xier_ran3 天前
【infra之路】W_Q、W_K、W_V矩阵是如何训练出来的
线性代数·矩阵·transformer
BerryS3N4 天前
大模型 (LLM) 全栈技术深度解析与实战指南:从 Transformer 底层原理、三阶段训练范式到 RAG 与 Agent 系统架构
深度学习·系统架构·transformer
高洁015 天前
VLA:驱动具身智能迈向通用的关键引擎
人工智能·python·深度学习·transformer·知识图谱