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
lqqjuly14 小时前
深度学习理论:从神经网络到Transformer—前馈网络、反向传播、注意力机制与训练
深度学习·神经网络·transformer
zhangfeng11331 天前
光驱动的 AI 算力卡,也就是光子计算(Photonic Computing)芯片,用光子(光)代替电子来做矩阵乘法和数据传输
人工智能·语言模型·矩阵·架构·transformer·芯片
zhangfeng11331 天前
定制化,面向大语言模型的GPU,Etched 把 Transformer 架构直接“烧“进硅片
语言模型·架构·transformer·芯片
zhangfeng11331 天前
ai算力卡,Tenstorrent 公司Jim Keller 和 Ljubisa Bajic的故事,taals公司
人工智能·语言模型·架构·transformer·gpu算力
专注搞钱1 天前
半导体MES智能化升级方案:基于机器学习与Transformer大模型落地实战手册
人工智能·机器学习·transformer
zhangfeng11331 天前
非传统架构 AI 算力卡前沿研究报告:技术痛点、破局路2021-2026
人工智能·语言模型·transformer·gpu算力·芯片
luoganttcc2 天前
Blackwell 是 FP4/NVFP4 + 第二代 Transformer Engine + 更大 NVLink 域 + 更强机架级推理系统
人工智能·深度学习·transformer
zhangfeng11332 天前
transformer 挑战者 mamba 架构,线性attention RNN给改进iclr 2024拒稿
rnn·深度学习·transformer
王天天(Bennet)2 天前
【从第一性原理来深入理解Transformer-更适合入门的理解(llama-3B模型为例)】
深度学习·transformer·llama
zhangfeng11333 天前
生信分析 ProtMamba(现在生信最热的Mamba蛋白模型) *Mamba时序模型(替代Transformer)
transformer·生信分析