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
高洁0112 小时前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
β添砖java13 小时前
NLP自然语言处理4:迁移学习:fasttext工具,训练词向量、词向量迁移、迁移学习概念、NLP中常用预训练模型、transformer库使用、迁移学习实践
自然语言处理·transformer·迁移学习
高洁012 天前
世界模型的因果内核:从预测表象到理解机制
人工智能·python·深度学习·transformer·迁移学习
Soari3 天前
大语言模型LLM综述解读:从预训练到评测,建立理解 LLM 的技术地图
transformer·大语言模型·tsn·rlhf·指令微调
β添砖java4 天前
Transformer大白话学习笔记
笔记·学习·transformer
Eloudy7 天前
从 DeepSeek-V1 到 DeepSeek-V2:一次从“堆稠密参数”到“稀疏计算+压缩缓存”的架构转向
gpt·llm·transformer
高洁018 天前
数据同化与动态状态估计:让孪生持续贴合现实
人工智能·python·深度学习·transformer·迁移学习
一起学安全技术11 天前
拆大模型 03|注意力的一句话版本:不用论文讲清 Attention
深度学习·算法·语言模型·transformer
风巽·剑染春水11 天前
【Generative AI综述】生成式人工智能在医学影像中的应用(ACME-2026)
人工智能·transformer·gan·vae·生成模型·扩散模型·医学影像
机器学习之心11 天前
5 个特征、2 个输出:让 DBO 替 CNN-Transformer 挑结构,再用 SHAP 把黑箱撬开
人工智能·cnn·transformer·cnn-transformer