《AI Agent原理与实战》2026版 第22课 编排实战：Supervisor 与 Orchestrator-Worker

Blockbuater_drug2026-10-24 21:51

本文收录于专栏 《AI Agent原理与实战》2026版 ------ 专栏系统覆盖 AI Agent 的记忆、工具、插件与实战，点击订阅可跟踪后续更新。
本课定位：组织学落地为两种主力编排：Supervisor 串行调度与 Orchestrator-Worker 并行分发。本课深挖 Anthropic 多 Agent 研究系统的八条生产教训，然后亲手复刻 mini Deep Research------本课程项目线的第三级。
阶段 4｜多智能体系统 ｜ 来源：【补 ｜ Anthropic《How we built our multi-agent research system》】+ 微软第 8 课模式映射

关键字： Agent编排、Supervisor模式、Orchestrator-Worker、串行调度、并行分发、Deep Research、多Agent实战、结果汇总

本节目录

  • [22.1 两种编排模式的分工逻辑](#22.1 两种编排模式的分工逻辑)
  • [22.2 Supervisor：串行调度，按需分派](#22.2 Supervisor：串行调度，按需分派)
  • [22.3 Orchestrator-Worker：并行分治，压缩回传](#22.3 Orchestrator-Worker：并行分治，压缩回传)
  • [22.4 Anthropic 多 Agent 研究系统：架构与数据](#22.4 Anthropic 多 Agent 研究系统：架构与数据)
  • [22.5 八条工程教训（生产经验全文提炼）](#22.5 八条工程教训（生产经验全文提炼）)

概念讲解

22.1 两种编排模式的分工逻辑

22.2 Supervisor：串行调度，按需分派

Supervisor 是一个"只会派活和收活"的中央 Agent。它维护任务清单，每一轮决定下一步交给谁、带上什么上下文；worker 完成后结果回到 Supervisor，再决定下一步。特点：

  • 控制点集中：所有信息流经一处，天然适合加审批、限流、人工确认闸门（第 25 课）。
  • 串行为主：worker 依次发言，适合流程有依赖、需要逐步推进的任务。
  • 弱点：Supervisor 的上下文窗口是全系统瓶颈------所有中间结果都要在这里汇总；worker 数量多、任务长时会被窗口和 token 双重挤压。

22.3 Orchestrator-Worker：并行分治，压缩回传

Orchestrator 同样是中央 Agent，但派活方式是"一把撒出去"：把任务切成 N 份同时派给 N 个子 Agent，各自在独立上下文窗口里探索，完成后只回传压缩后的发现。特点：

  • 并行度最高：Anthropic 实测两类并行化（主 Agent 并行起 3-5 个子 Agent + 子 Agent 每轮并行调 3+ 个工具）让复杂研究耗时下降最高 90%。
  • 上下文隔离彻底：子 Agent 的海量探索过程（搜索、翻页、筛选）都消耗在自己的窗口里，主 Agent 只接收结论。
  • 弱点：结果合并难（多份结论可能有矛盾）；子 Agent 失控风险（简单问题起 50 个子 Agent 就是 Anthropic 早期真实翻车现场）。

选择口径：流程依赖重、需要逐步确认 → Supervisor；子任务独立、追求吞吐 → Orchestrator-Worker。研究类任务（广度优先、多方向并行探索）是后者典型场景；编码类任务（强依赖、共享代码上下文）更适合单 Agent 或 Supervisor 轻量协调。

与微软第 8 课的模式语言对照（微软·8）：微软的 Hand-off（移交）模式 ------每个 Agent 代表工作流一步、按预定义规则交接任务------正是 Supervisor 拓扑在业务流程里的具象化（客服转技术支持就是最典型 hand-off 链）；微软的 Group chat（群聊）模式 （可集中路由也可去中心互发）对应"worker 共享一条对话流"的 supervisor 变体；而"集中式/去中心式/混合怎么选"本身就是微软六大构建块里的第五块"多 Agent 模式选择"（微软·8）------本课两种模式就是这个决策在编排层的答案。微软还提醒编排设计别漏了第六块人机回路 （微软·8）：Supervisor 的集中控制点天然适合挂人工确认闸门（用户指定要某家酒店、下单前确认），这在第 25 课会展开成完整的边界设计。

22.4 Anthropic 多 Agent 研究系统：架构与数据

Anthropic 2025 年 6 月公开的 Research 功能架构是 Orchestrator-Worker 的生产级范本，完整流程：

复制代码 
用户提问
  │
  ▼
LeadResearcher（主Agent）
  1. 思考并制定策略 → 计划写入外部 Memory（防 200K 窗口截断丢计划）
  2. 并行创建 3-5 个 Subagent（每个带四要素任务说明：目标/输出格式/工具指引/边界）
  3. Subagent 各自: 并行 web 搜索 → interleaved thinking 评估结果 → 补查 → 回传压缩发现
  4. LeadResearcher 综合结果, 判断是否需要追加子Agent (研究循环)
  5. 信息充分 → 退出循环, 全部发现交给 CitationAgent
  6. CitationAgent 为报告逐条定位引用来源
  │
  ▼
带引用的最终研究报告

几个关键实测数据（均出自原文，检索日 2026-10-01）：

指标 数值 含义
多 Agent vs 单 Agent 研究评测 +90.2% Claude Opus 4 主 Agent + Sonnet 4 子 Agent 的组合胜过单 Opus 4
token 消耗：多 Agent vs 普通对话 ~15× 经济性门槛：任务价值必须配得上这个成本
token 消耗：单 Agent vs 普通对话 ~4× Agent 本身就比聊天贵
BrowseComp 方差解释 token 用量单独解释 80%，三因子共 95% 多 Agent 的本质是"花足够多的 token 解决问题"
并行化收益 复杂查询研究时间 -90% 两级并行（子 Agent 并行 + 工具并行）
工具描述优化收益 后续任务完成时间 -40% 工具描述即接口（第 8 课 ACI 的量化佐证）

「token 用量解释 80% 方差」这条发现值得单独展开：它说明多 Agent 系统提升性能的第一性原理是用并行窗口把有效 token 花够，而非"多个智能体涌现出群体智慧"。这直接解释了为什么多 Agent 对"广度型"任务（如"列出标普 500 信息技术板块所有公司的董事会成员"）提升巨大------单 Agent 串行搜索慢到超时，多 Agent 分解后每个子 Agent 只需查几家公司；而对深度依赖型任务收益有限。

22.5 八条工程教训（生产经验全文提炼）

Anthropic 文章的主体是八条提示工程教训，逐条提炼并标注课程回指：

  1. 像你的 Agent 一样思考（Think like your agents）：在 Console 里用与生产完全相同的提示+工具跑模拟，逐步观察 Agent 行为。失败模式当场可见：结果已够还在继续搜、查询词过长过窄、选错工具。
  2. 教协调者如何委派（Teach the orchestrator how to delegate）：子任务说明必须含目标、输出格式、工具与来源指引、任务边界四要素（第 21 课因子 1）。指令太短 → 子 Agent 重复劳动或漏查。
  3. 努力程度随复杂度缩放（Scale effort to query complexity）：把缩放规则写进提示------简单事实查询用 1 个 Agent 调 3-10 次工具；直接对比类 2-4 个子 Agent 各 10-15 次；复杂研究 10+ 个子 Agent 分工明确。早期版本对简单问题过度投入是高频失败模式。
  4. 工具设计与选择是关键（Tool design and selection are critical）：给 Agent 显式启发式------先看全部可用工具、工具匹配用户意图、外部大范围探索用 web 搜索、专用工具优先于通用工具。差工具描述会把 Agent 带进完全错误的方向（量化：修复后 -40% 完成时间）。
  5. 让 Agent 自我改进（Let agents improve themselves）：Claude 4 系模型给一份提示+失败模式就能诊断原因并改提示；Anthropic 甚至建了"工具测试 Agent"反复试用有缺陷的 MCP 工具并重写其描述。
  6. 先广后窄（Start wide, then narrow down）：Agent 默认写又长又窄的查询导致结果寥寥。提示里要求先短而宽的查询、评估可得信息、再逐步收窄------模仿人类专家的检索策略。
  7. 引导思考过程（Guide the thinking process）：扩展思考（extended thinking）当可控草稿纸。主 Agent 用思考做规划（选工具、判断复杂度、定子 Agent 数量与分工）；子 Agent 在工具结果后用 interleaved thinking 评估质量、找缺口、定下一步查询。
  8. 并行工具调用改变速度与性能（Parallel tool calling transforms speed and performance）：两级并行化（见上表 -90%）。这是架构级决策，不是提示技巧。

八条之外，附录里三条补充同样生产级：终态评估 （评最终状态对不对而非逐步骤对不对------Agent 可能走不同但同样有效的路径）；长对话管理 （阶段总结落盘外部记忆，接近窗口上限时用干净上下文的子 Agent + 精心交接续命）；产物落文件系统（子 Agent 大产出直接写外部存储、回传轻引用，绕开"传话游戏"）。

生产可靠性一节的三条教训（错误复合需断点恢复、全链路 tracing 才能定位"为什么没找到"、彩虹部署避免更新杀死运行中 Agent）将在第 26 课展开。注意这里的"全链路 tracing"正是微软第 8 课可观测性三件套（日志监控/可视化/性能指标，微软·8）的生产级升级版：微软的"每个 Agent 动作记一条日志（谁/什么动作/何时/结果）"落到 Anthropic 这里就是全量事件 trace；微软的"信息流可视化"对应 Anthropic 监控 Agent 决策模式与交互结构；微软的"性能指标"对应研究时长、token 消耗、评测胜率。两套话语指向同一个工程事实：多 Agent 系统没有可观测性就没有可调试性（微软·8 + Anthropic）。

案例实战：mini Deep Research

  • 目标：无框架复刻 Anthropic Research 功能的最小骨架------LeadResearcher 规划 → 并行 Subagent 检索（模拟工具）→ CitationAgent 引用 → 综合。总代码约 130 行，OpenAI 兼容 API 即可跑。
  • 运行环境 ：Windows 10/11 / macOS / Linux 均可；Python ≥ 3.10；pip install "openai>=1.30"。模型三选一（2026-10 实测可通）：DeepSeek https://api.deepseek.com（deepseek-chat）/ MiniMax https://api.minimaxi.com/v1（MiniMax-M2）/ 智谱 GLM https://api.z.ai/api/coding/paas/v4（glm-4.7-flash）------接入方式与坑同第 21 课案例（brotli 头、reasoning_content 降级、429 重试，此处复用 ask() 实现不再重复）。
  • 与第 21 课案例的差异 ：并行（asyncio.gather）+ 努力程度缩放规则 + 引用定位。这里检索用模拟工具（返回预置文本），把重点放在编排结构上；接真实搜索 API 是第 7 课工具调用模式的直接套用。第 24 课综合项目会用 DeepSeek 实测版跑真实 LLM 决策。
python 复制代码 
# mini Deep Research【已实测------2026-10 于 Linux (Ubuntu 22.04, Python 3.10, openai 3.6.0)
# deepseek-chat 全流程跑通 (规划→并行检索→综合→引用); 模型接入层与第21课案例共用】
# 依赖：openai>=1.30；Python>=3.10；编排模式=Anthropic orchestrator-worker 复刻
import json, asyncio
from openai import AsyncOpenAI

client = AsyncOpenAI(api_key="YOUR_API_KEY",   # env: DEEPSEEK_API_KEY / MINIMAX_CN_API_KEY / GLM_API_KEY
                     base_url="https://api.deepseek.com",
                     default_headers={"Accept-Encoding": "gzip, deflate"})
MODEL = "deepseek-chat"
MAX_SUBAGENTS, MAX_TOOL_CALLS, TOKEN_BUDGET = 5, 10, 200_000   # 失控防控三闸门

# ── 模拟检索工具（替换成真实 search API 即为完整版） ──────────────
FAKE_CORPUS = {
    "multi-agent framework": "AutoGen 0.4+ (微软) 事件驱动架构; CrewAI 角色制; MetaGPT SOP制 (检索日 2026-10 口径)",
    "orchestrator-worker": "Anthropic Research: 并行3-5子Agent, 计划先落Memory, CitationAgent负责引用",
    "token cost": "Anthropic 实测: 多Agent约为普通对话15倍token; 单Agent约4倍",
}
async def web_search(query: str) -> str:
    hits = [v for k, v in FAKE_CORPUS.items() if k.split()[0].lower() in query.lower()]
    return "\n".join(f"[{i+1}] {h}" for i, h in enumerate(hits)) or "[1] (无相关结果)"

async def ask(system: str, user: str) -> str:
    r = await client.chat.completions.create(model=MODEL, temperature=0.2, messages=[
        {"role": "system", "content": system}, {"role": "user", "content": user}])
    return r.choices[0].message.content

# ── 1. LeadResearcher: 规划 + 缩放规则 ────────────────────────────
LEAD = f"""你是研究主Agent。分析用户问题复杂度并制定子Agent分工。
努力程度缩放规则: 简单事实→1个子Agent; 对比类→2-3个; 复杂研究→最多{MAX_SUBAGENTS}个。
输出 JSON: {{"complexity":"simple|compare|complex","plan":"一句话策略","subtasks":["每个含目标/输出格式/工具指引/边界"]}}"""

# ── 2. Subagent: 并行检索 + 压缩回传 ──────────────────────────────
SUB = """你是研究子Agent。任务：{task}
循环最多 {max_calls} 次工具调用: 生成宽查询→调 web_search→评估→必要时收窄再查。
完成后只回传: 1)关键发现(每条带来源编号) 2)信息缺口。不超过200字。"""

async def subagent(task: str) -> str:
    findings, calls = [], 0
    q = task[:40]                                    # 先宽后窄的宽起点
    while calls < MAX_TOOL_CALLS:                    # 失控防控: 单子Agent工具调用上限
        calls += 1
        result = await web_search(q)
        findings.append(result)
        ev = await ask("评估检索结果是否已覆盖任务目标, 只输出 enough 或 narrow:<新查询>",
                        f"任务:{task}\n结果:{result[-500:]}")
        if ev.startswith("enough"):
            break
        q = ev.split(":", 1)[-1]                     # 收窄再查
    return await ask("综合以下检索记录回传关键发现+缺口", "\n".join(findings))

# ── 3. 主流程: 并行 fan-out → 综合 → 引用 ─────────────────────────
async def research(question: str) -> str:
    plan = json.loads(await ask(LEAD, question))     # 教训1/3: 规划+缩放
    subs = plan["subtasks"][:MAX_SUBAGENTS]          # 失控防控: 子Agent数量上限
    found = await asyncio.gather(*(subagent(t) for t in subs))   # 教训8: 并行 fan-out
    draft = await ask("你是综合器。基于子Agent发现写研究报告草稿, 每条事实标注[子任务#]。",
                      json.dumps({"q": question, "findings": found}, ensure_ascii=False))
    cited = await ask("你是CitationAgent。检查草稿中每个[来源]标记是否真实存在于发现列表, "
                      "移除无依据论断, 输出终稿+引用列表。", draft)
    return cited

if __name__ == "__main__":
    print(asyncio.run(research("多Agent系统的token成本与并行收益如何权衡?")))
  • 实测记录 （2026-10，Linux/Ubuntu 22.04 + Python 3.10 + openai 3.6.0 + deepseek-chat）：规划器把问题判为 complex 派出 5 个子 Agent 并行检索（asyncio.gather fan-out 生效），综合器产出带 [子任务#] 标注的草稿，CitationAgent 完成逐条引用核对并在报告尾部输出引用列表------值得注意的是它还主动指出了"证据来源单一、高度重复"的缺口，这个行为与 Anthropic 系统的 CitationAgent 设计意图一致。
  • 步骤 ：① Windows 下 setx DEEPSEEK_API_KEY "sk-xxx"（Linux/macOS 用 export）→ ② pip install "openai>=1.30" → ③ 跑默认问题，对照上面的实测记录 → ④ 改问一个简单事实问题，观察缩放规则只派 1 个子 Agent → ⑤ 把 FAKE_CORPUS 换成真实搜索 API（第 7 课），即得完整 Deep Research。
  • 预期输出 ：带 [子任务#] 标注的研究报告 + 引用核对后的终稿。终端无进度输出时，可在 subagent 里加 print(task, calls) 观察并行与先广后窄行为。
  • 要点回看 ：计划四要素（教训 2）、缩放规则（教训 3）、先广后窄（教训 6）、两级并行（教训 8）、CitationAgent 独立角色（真实系统同款）全部落进代码。三闸门 MAX_SUBAGENTS / MAX_TOOL_CALLS / TOKEN_BUDGET 是失控防控的最低配置（第 24 课展开预算守卫实现，并附 DeepSeek 真实决策的实测记录）。

小结

  • Supervisor 适合流程依赖重、要逐步确认的任务；Orchestrator-Worker 适合子任务独立、追求吞吐的任务------研究是后者的招牌场景。
  • Anthropic 生产数据三记重锤：多 Agent +90.2% 研究评测、~15× token 成本、token 用量解释 80% 性能方差------多 Agent 的本质是用并行窗口把有效 token 花够，不是玄学涌现。
  • 八条教训骨架：想 Agent 所想 / 委派四要素 / 努力缩放 / 工具即接口 / Agent 改提示 / 先广后窄 / 思考可控 / 两级并行。
  • mini Deep Research 的最小骨架 = 规划（含缩放）→ 并行子 Agent（独立窗口+压缩回传）→ 综合 → 引用核对；失控防控三闸门（子 Agent 数、单 Agent 工具调用数、总 token 预算）从第一行代码就要有。
  • 框架里对应的抽象（AutoGen 的 Teams、CrewAI 的 Crew、Agents SDK 的 agents-as-tools）见第 23 课；完整模拟项目见第 24 课。

扩展阅读

🌐 网络提示：anthropic.com 需代理（核心结论已摘进本课正文）；openai.com 系需代理（协议层知识已进正文，实测均可用国产端点替代）；pip 安装建议加清华镜像 -i https://pypi.tuna.tsinghua.edu.cn/simple。详见总纲附录《国内网络访问与国产适配指南》。

我的专栏

蛋白 / 抗体 / 多肽 / 核酸 分子模拟 / 动力学 / 对接 药物 / 设计 / 案例 AI / Agent / 大模型
开源蛋白结构预测 分子模拟基础 小分子药物设计案例 AI Agent系列
开源蛋白生成方法实践 分子动力学模拟-Amber 蛋白药物设计案例 化学大模型
开源多肽设计模型 分子动力学模拟-Gromacs 多肽药物设计案例 《AI Agent原理与实战》
开源多肽性质预测 分子动力学模拟-OpenMM 开源小分子生成设计 CADD中的机器学习模型
DNA/RNA药物设计 結合自由能 高效计算配置 《MCP 入门实战》
siRNA药物设计模型 UCSF DOCK系列 我胡师兄说药 《AI入门实战2026》
ASO药物设计模型 rDock系列 LeDock系列 gnina系列 《经典机器学习实战》
相关推荐
死磕音视频9 天前
ChatGPT Deep Research 入门：把复杂问题做成带出处的调研报告
人工智能·chatgpt·信息检索·deep research·调研方法
诺伦12 天前
OpenAI Agents API 公测拆解：托管编排+持久会话+自有沙箱搭一条自动增长流水线 | RiseClaw玄策
python·openai·ai agent·营销自动化·agent编排
诺伦18 天前
Manus 2.0 Cascade降本拆解：Token少用23.2%、成本降32%的工程手段，营销Agent编排能迁移什么 | RiseClaw玄策
人工智能·llm·ai agent·agent编排·增长运营
诺伦19 天前
AI Agent编排实战：用四层架构搭建增长运营垂类Agent系统 | RiseClaw玄策
人工智能·ai agent·mcp·agent编排·增长运营
诺伦1 个月前
多Agent架构下Token成本优化实战：Agent编排策略与预算控制全解析
python·ai agent·token优化·agent编排·多agent架构·llm成本控制
诺伦1 个月前
AI营销从单点智能到系统协同：多Agent编排如何重塑增长运营
python·多agent系统·ai营销·agent编排·增长运营
威化饼的一隅7 个月前
【大模型LLM学习】天池Deep Research Agent开发赛
大模型·agent·智能体·deep research·深度研究智能体·deep search
懒猫gg10 个月前
多智能体架构形态
agent·deep research
威化饼的一隅10 个月前
【大模型LLM学习】通义Agent系列学习笔记
agent·通义千问·deep research·research agent·通义agent·深度研究智能体·tongyi agent
热门推荐
01国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）02如何新建文件夹？ 电脑新建文件夹的4种方法03GitHub 镜像站点04历年考研数学一、数学二、数学三真题试卷及答案PDF05几个好用的ip纯净度检测网站06ai安全工具:CyberStrikeAI安装部署与使用07苹果iPA游戏软件资源下载网站08昇腾910B系列芯片完全指南：四款型号对比、服务器选型与大模型部署实战09「全语录+省流版」邵艾伦 × 孙宇晨：聊风口、聊个人IP、聊年轻人如何抓住 AI 时代的机会10Windows 10/11 如何退出微软账户并改用本地账户登录（含找不到选项的解决方法）