multi-agent

Agent 路由架构的一次尝试：LangGraph + Swarm Handoff + 小模型 Router本文系统性地讲解一种高性价比的 Agent 路由架构：使用 LangGraph 的有向图编排流程，借鉴 OpenAI Swarm 的 Handoff 思想实现 Agent 间的控制权转移，以小模型作为中央路由器（Router Agent），按需分派任务给不同规模的专业 Agent。

Proposer-Critic 多轮辩论：两个 LLM Agent 用 loop() 逼近共识标签：Java loop Proposer-Critic 多轮辩论共识纯LLM 无工具前置阅读：双 Agent 自我纠错代码生成：Write Agent + Test Agent 驱动 loop() 循环适合人群：已掌握 loop() 基础，希望用最轻量的方式构建多 Agent 辩论流程的 Java 开发者

做个文艺程序员

Multi-Agent 系统实战：用 Python + LangGraph 搭建多智能体协作工作流单个 Agent 面临以下问题：判断标准：如果任务可以拆解为 3 个以上专业子任务，且子任务之间有明确的输入输出边界，就适合 Multi-Agent。

Agent 设计模式：从 ReAct、CodeAct 到 Agentic Rag 与多智能体Agent 设计模式是指将大模型与规划、记忆、工具调用、信息检索、执行、反思、协作等功能模块组合起来的系统化框架。相比于单纯调用一个大语言模型（LLM）生成答案的“问答模式”，Agent系统通过构建思考—执行—反馈的闭环，支持更复杂的任务处理。单一 LLM 通常只能回答封闭式问题，其知识来自静态训练数据，难以执行多步骤操作或调用外部资源；而 Agent 通过内置规划（Planner）、短期/长期记忆、工具接口（Tool）、知识检索（Retriever）、行动执行（Executor）、自我评估（Evalua

AI 多智能体系统落地：从上下文边界到 A2A 与 Harness 设计做 AI Agent 的人很容易掉进一个误区：一个 Agent 不够强，那就拆成多个 Agent；一个 Agent 会出错，那就加一个评审 Agent；任务复杂，那就 Planner、Coder、Reviewer、Tester 全都安排上。

ReAct范式实战：让Agent学会边想边做说实话，我第一次看到ReAct这个论文标题的时候，内心是拒绝的。"又是个学术界造的概念吧？"我当时想。

Multi-Agent系统实战：如何让多个Agent握手协作前两天折腾 Multi-Agent，三个 Agent 在那里互踢皮球，一个说"让 B 去处理"，另一个说"这不归我管"，场面一度非常尴尬。

龙侠九重天

什么是多 Agent 系统？——从单体 AI 到群体智能过去几年，AI 助手已经从实验室走向千家万户。从智能客服到代码辅助工具，从文档生成到数据分析，AI 正在重塑软件开发和业务运营的方方面面。ChatGPT、Claude、Cursor 等工具让开发者能够用自然语言描述需求，AI 随即生成代码、撰写文档、解释技术概念。

Multi-Agent 协作案例我的最终目的不是“堆很多智能体”，而是为了把一个复杂问题拆成几个更稳定的职责单元：除了多智能体主体外，还有几个概念：

Java码农也是农

Multi-Agent 系统设计模式这两年聊 Agent，很多人开口就是“多智能体协作”“分布式自治”“系统涌现”。听起来很猛。但说实话，我见过不少团队，单 Agent 还没跑稳，就急着堆 5 个角色、8 条消息通道，最后系统没变聪明，排障成本倒是翻了几倍。Multi-Agent 不是银弹，它更像是系统复杂度的放大器。

基于AI多智能体的自主渗透测试框架当AI学会像黑客一样思考，安全测试将迎来怎样的变革？在网络安全领域，渗透测试一直是检验系统安全性的重要手段。然而，传统的自动化扫描工具往往只能发现已知漏洞，缺乏人类专家的思维深度和应变能力。而人工渗透测试虽然效果出色，却面临着成本高、周期长、依赖专家经验等瓶颈。

OpenClaw学习总结_I_核心架构_9：Multi-Agent详解阶段：I. 核心架构课序：第 9 课前置知识：I-8. Session Pruning 后续课程：I-10. Sandboxing

一个处女座的程序猿

AGI之Multi-Agent之Moltbook：《The Anatomy of the Moltbook Social Graph》翻译与解读AGI之Multi-Agent之Moltbook：《The Anatomy of the Moltbook Social Graph》翻译与解读

多智能体（Multi-Agent）系统在人工智能中的应用与发展目录一、什么是多智能体（Multi-Agent）二、Multi-Agent项目示例（一）MetaGPT项目

学不会lostfound

五、AIGC大模型_09手动实现ReAct_Agent在上一章节中，我们了解到：create_react_agent 是 LangGraph 提供的一个预构建方法（from langgraph.prebuilt import create_react_agent），它可以将语言模型（LLM）和一组工具（Tools）结合起来，创建一个能够根据用户输入自动调用工具的智能代理，这个代理可以根据用户的请求，决定是否需要调用某个工具，并将工具的输出反馈给用户

开源Multi-Agent智能体框架

LLM agentic模式之multi-agent: ChatDev,MetaGPT, AutoGen思路ChatDev出自2023年7月的论文《ChatDev: Communicative Agents for Software Development》，它提出了一个基于聊天的用LLM来进行软件开发的框架。如下图所示，构建一个虚拟的基于聊天的软件开发公司ChatDev，它由具有不同社会角色的agent如执行官、程序员、测试工程师、设计师等组成，在给定一个任务时，这些agent一起合作来开发一个软件。在这个框架里，LLM作为核心思考组件，让agent模拟整个开发过程，避免额外的模型训练，也在一定程度上减轻了生

我是有底线的