多Agent应用实战：从零构建AI多智能体协作工作流

概述

多Agent（多智能体）协作是当前AI应用落地的重要方向之一。多Agent系统（Multi-Agent System, MAS）起源于分布式人工智能领域，其核心思想是将复杂任务分解给多个具备自主决策能力的智能体协同完成。 在大语言模型（LLM）兴起之前，MAS主要应用于机器人协作、分布式计算等领域。随着GPT-4、Claude等强大基础模型的出现，基于LLM的多Agent系统开始进入实用阶段，代表性框架包括AutoGen、CrewAI、LangGraph等。

然而现实中，大部分多Agent系统仍停留在"Sub Agent"阶段——即单个智能体各自为战，缺乏真正的协同能力。本文基于一位开发者分享的多Agent应用教学内容，梳理如何从零构建一个多成员协作的AI自动化工作流，涵盖助手创建、技能分配、群聊协作以及幻觉问题的应对策略。

从Sub Agent到真正的多Agent协作

为什么大多数多Agent系统不够用？

开发者指出，当前市面上大多数多Agent应用本质上还是"Sub Agent"状态。Sub Agent模式本质上是一种主从架构，由一个主控Agent将任务拆解后分发给各子Agent独立执行，子Agent之间缺乏横向通信能力。而真正的多Agent协作要求智能体之间能够感知彼此的状态、动态协商任务边界，并在共享上下文中进行迭代交流，更接近人类团队的工作模式。 把每个Agent当作独立个体使用，真正能落地的多Agent协作应用仍然较少。该项目的目标是让多个Agent像团队成员一样协同工作，各司其职又能相互沟通。

项目目前正在开发的功能包括：

• 云端功能集成
• Web端界面
• 独立的GUI客户端
• 自定义智能体构建

实操：创建多Agent协作工作流

第一步：导入技能并创建助手

整个流程从一个干净的测试项目开始。首先需要导入预设的技能模块，然后基于这些技能创建一个助手（Assistant）。技能的创建在专门的技能管理界面进行，可以根据实际需求定义不同类型的技能。

关键操作步骤：

1. 导入所需技能（如前端开发、后端开发）
2. 快速创建一个助手
3. 创建多个成员并分配对应技能

例如，创建一个"后端成员"并赋予后端开发技能，创建一个"前端成员"并赋予前端开发技能。这种模式不仅适用于代码开发场景，同样适用于小说创作等需要多角色协作的场景。

第二步：建立群聊实现Agent间协作

创建好成员后，通过"创建群聊"功能将所有成员拉入同一个对话空间。在群聊中，成员之间可以相互交流、了解彼此的职责范围，并进行轮询式对话。

这里有一个重要的实践建议：一个小频道不要设置太多成员。成员数量过多会导致上下文混乱，降低协作效率。这一限制与LLM的上下文窗口机制密切相关——每增加一个成员，群聊中的消息历史就会更快地填满可用Token空间，导致早期的关键信息被截断。

解决Agent幻觉问题的实用方案

通过提示词强化约束

大模型幻觉是所有Agent系统的通病。幻觉（Hallucination）的根本原因在于LLM的自回归生成机制——模型基于概率分布预测下一个Token，而非真正的逻辑推理。在多Agent场景中，幻觉问题会被级联放大：一个Agent的错误输出可能成为下一个Agent的输入，导致错误在链路中不断累积。 开发者提出的解决方案是在提示词（Prompt）层面进行反复强调和约束：

• 在"发送后缀"位置添加强调性提示
• 为每个Member单独设置规则谱
• 通过规则谱明确每个成员的职责边界

提示词工程（Prompt Engineering）在多Agent系统中扮演着类似操作系统内核的角色。 由于LLM本身没有持久记忆和固定行为模式，所有的角色定义、行为约束、协作规则都必须通过提示词来注入和维持。System Prompt、Few-shot示例、思维链（Chain-of-Thought）等技术手段共同构成了Agent行为的"软件层"，这也解释了为何提示词设计在整个多Agent系统中占据如此核心的地位。

工作流文档：降低幻觉的关键技巧

一个巧妙的做法是在项目文件中创建一个workflow.md文档，详细描述每个成员的职责分工。然后在经理（Manager）角色的提示词中要求其阅读该文档，这样经理就能清楚地知道哪个成员负责什么工作。

当上下文窗口满了需要重置时，可以将工作流文档放在"提示词后追"位置。上下文窗口（Context Window）是LLM在单次推理中能处理的最大Token数量。主流模型的上下文窗口从早期的4K Token扩展到如今的128K甚至更长，但在长时间运行的多Agent任务中，上下文溢出仍是常见瓶颈。工作流文档作为外部持久化存储，配合"提示词后追"机制，本质上是一种检索增强生成（RAG）的简化实现，用于在上下文重置后快速恢复Agent的任务认知，使其即使在终端重置后也能重新读取工作流文档，保持对任务分配的理解。

注意：使用"提示词后追"功能前，需要在助手设置中点击"恢复默认"，该选项才会在成员的提示词设置中出现。

多Agent交互规则与通信机制

定义成员间的通信规则

成员之间不仅可以各自完成任务，还能相互交流协作。具体做法是：

1. 在某个成员的提示词中新增规则
2. 选择该成员需要交互的对象（如后端成员选择前端成员）
3. 添加额外的协作规则，明确双方的职责边界

这种"互相命中