单一智能体系统面临上下文限制，制约了复杂任务的处理能力。多智能体架构通过在具有独立上下文窗口的专业化智能体之间分配工作，实现了超越单一智能体能力的并行推理和协调。
下载技能 ZIP
在 Claude 中上传
前往 设置 → 功能 → 技能 → 上传技能
开启并开始使用
测试它
正在使用“multi-agent-patterns”。 设计一个研究团队多智能体系统
预期结果:
监督者协调四个专业智能体：研究员（网页搜索、文档检索）、分析员（数据分析、统计）、事实核查员（验证、确认）和撰稿员（报告生成）。监督者分解研究查询，路由到适当的智能体，并聚合发现。使用forward_message工具允许智能体在产生最终输出时直接响应用户，避免监督者错误转述子智能体响应而导致的电话游戏问题。
正在使用“multi-agent-patterns”。 何时使用点对点模式vs层级模式？
预期结果:
在以下情况下使用点对点/群体：任务需要灵活探索、刚性计划适得其反、或需求动态出现。优势：无单点故障、支持广度优先扩展、启用紧急行为。在以下情况下使用层级：大型项目结构清晰、企业工作流有管理层、或任务需要高层规划和详细执行。优势：映射组织结构、清晰分离关注点。
安全审计
安全Security evaluation confirms this is a documentation skill about multi-agent architecture patterns. Static findings flagged external_commands, network, and cryptographic patterns but all are FALSE POSITIVES - the scanner misidentified markdown code blocks as shell commands, documentation URLs as HTTP requests, and coincidental keywords as cryptographic usage. The skill contains no executable code, no actual network calls, and no security vulnerabilities.
质量评分
你能构建什么
研究任务自动化
协调多个专业化智能体（研究员、分析员、事实核查员、撰稿员）并行执行全面的研究任务，由监督者聚合结果。
企业工作流系统
部署层级智能体结构以映射组织层级，具有战略、规划和执行层来处理不同抽象级别。
客户服务路由
实现点对点智能体模式，根据请求类型将客户请求动态交接给专业化智能体（账单、技术、销售）。
试试这些提示
设计一个监督者智能体系统，协调三个专业智能体完成[TASK]。包括监督者如何分解任务、路由到适当的智能体以及聚合结果。
为[USE_CASE]创建一个点对点智能体架构，使智能体能够动态相互交接。定义交接协议和状态传递机制。
为[DOMAIN]设计三层层级智能体系统：战略层负责目标定义，规划层负责任务分解，执行层负责原子任务。
最佳实践
- 将上下文隔离作为主要优势进行设计——子智能体应具有干净、专注的上下文，而非携带累积历史
- 根据协调需求而非组织隐喻选择架构模式——监督者模式提供控制，点对点提供灵活性，层级提供抽象
- 实施明确的交接协议并传递状态以防止智能体之间的上下文泄漏
避免
- 创建模仿组织角色（CEO、经理、工人）的子智能体，而非专注于上下文分区——这会将智能体拟人化而无实际功能收益
- 允许监督者转述子智能体响应（电话游戏问题），这会在多智能体系统中丢失保真度
- 使用简单多数投票而不按置信度或专业知识加权——弱模型的幻觉与强模型的推理获得同等权重