Anthropic官方：多智能体协作5种主流模式怎么选、怎么用（宝玉译）
Summary
Anthropic 官方博文（宝玉中文译），系统梳理多智能体协作的五种主流模式：生成-验证者、调度-子智能体、智能体团队、消息总线、共享状态。核心论点：五种模式的最大区别在于如何划分上下文边界和如何管理信息流动。新手首选"调度-子智能体"，从简单开始，观察瓶颈再升级。
Key Concepts
- 多智能体模式 — 五种主流模式，可混搭使用
- Generator Verifier — 生成-验证者：最简单，适合有明确质量标准的场景
- Orchestrator Subagent — 调度-子智能体：层级制，Claude Code 的实际架构
- Agent Teams — 智能体团队：成员持久存在，积累领域知识
- Message Bus — 消息总线：发布/订阅，事件驱动，易扩展
- Shared State — 共享状态：公共黑板，去中心化，消除单点故障
- 上下文边界 — 五种模式的本质区别：如何划分和传递上下文
- 单点故障 — 共享状态是唯一能消除单点故障的模式
Tags
multi-agent, agent-patterns, anthropic, orchestrator, generator-verifier, shared-state, message-bus, agent-teams, architecture
Detailed Content
五种模式速查
| 模式 | 适用场景 | 关键特征 | 主要风险 |
|---|---|---|---|
| 生成-验证者 | 有明确质量标准 | 修改-审核循环 | 死胡同/橡皮图章 |
| 调度-子智能体 | 任务拆解清晰、短平快 | 层级制，子Agent独立上下文 | 信息瓶颈/串行慢 |
| 智能体团队 | 长时间独立并行任务 | 成员持久存在，积累知识 | 独立性强但协调难 |
| 消息总线 | 事件驱动流水线 | 发布/订阅，易扩展 | 静默崩溃/排查难 |
| 共享状态 | 高度协作研究 | 公共黑板，去中心化 | 反应式死循环 |
关键选择决策
调度 vs 团队：子任务需要长时间保留记忆吗？是→团队
调度 vs 消息总线：工作流程能提前预测吗？不能→消息总线（当调度者If-Else越堆越多时，换消息总线）
团队 vs 共享状态：智能体之间需要频繁互通有无吗？是→共享状态
消息总线 vs 共享状态：处理流水线事件 vs 慢慢攒知识库？后者→共享状态
核心原则
从"调度-子智能体"开始，用最低协调成本解决最广泛问题，观察瓶颈后再升级。
生产环境常见混搭：
- 调度-子智能体（主流程）+ 共享状态（某子任务内）
- 消息总线（分发）+ 智能体团队（末端处理）
反应式死循环（最危险）
共享状态模式独有风险：A写→B补充→A回复→无限套娃。 必须设置：时间预算上限 OR 连续无新发现即停止 OR 指派"裁判"智能体判定结束。
Related Topics
- Anthropic：多智能体研究系统工程实践 — Anthropic 多智能体研究系统工程实践
- Anthropic官方：构建有效AI Agent的设计模式与实践指南 — Anthropic 官方有效 Agent 构建指南
- All Agentic Architectures - 17种AI Agent架构完整实现 — 17种 Agent 架构完整实现
- Scaling Agent Systems - Google/MIT 多Agent扩展量化规律 — Google/MIT 多 Agent 扩展量化规律
- Agent设计模式 - 上下文管理为核心的7大模式 — 上下文管理为核心的7大 Agent 设计模式
- 两本Harness工程书：Claude Code设计指南 & Codex对比（wquguru） — Harness 工程书（含 Claude Code Orchestrator 分析）