Подходът, който превръща AI от умен асистент в работещ екип.
Моделът с общо предназначение е генералист. Мултиагентната система е екип от специалисти - всеки агент има тясна задача, координатор насочва работата между тях, а резултатът се държи по-малко като чат интерфейс и повече като колега, който вече познава вашите стандарти, работен ритъм, проекти и клиенти.
Последно обновено:
Какво се променя, когато спрете да използвате един модел за всичко.
Повечето демонстрации на "AI агенти" се чупят в момента, в който поискате нещо, за което не са били предварително подготвени. Мултиагентните системи ви дават вида на способност; отдолу стои същинската работа - дефинирани роли, контрол на достъпа до инструменти, споделена памет, логика за повторни опити, наблюдаемост, тавани на разходите. Три неща се променят на практика, щом приемете тази работа сериозно.
Точност. Скорост. Устойчивост.
Точност
Агент рецензент улавя това, което агентът за чернови е пропуснал. Процентите грешки в системите, които поддържаме, са едноцифрени, защото никога не молим един модел да свърши цялата работа.
Скорост
Агентите работят паралелно по независими подзадачи и обединяват резултатите. Заявки, които засягат четири системи, се връщат за секунди - не за половин час, колкото отнемаше на човек да сглоби същия отговор на ръка.
Устойчивост
Ако един агент превиши времето си или се провали, оркестраторът прави повторен опит или го заобикаля. Цялата задача не пада, защото един инструмент е бил бавен.
Четири форми на мултиагентна система.
Оркестратор и работници
Координатор получава заявката, разделя я, делегира всяка част на специалист и сглобява крайния резултат. Това е подходът зад нашите оркестратори за задълбочен анализ - шест подагента, покриващи заявки към бази данни, API извиквания, търсене в код, уеб проучване, изготвяне на чернови и валидация, управлявани от един координатор, който решава кой какво трябва да свърши.
Последователни предавания
Конвейер. Изследовател събира контекст, предава го на планиращ агент, който го предава на автор, който го предава на редактор. Всяка стъпка добавя нещо конкретно. Използваме това при работни потоци за дълги текстове, където точността на прегледа е по-важна от пропускателната способност.
Паралелно разклоняване и обединяване
Един и същ вход отива едновременно към няколко агента, а стъпка на обединяване комбинира изходите им. Използваме това при системи за наблюдение - независими наблюдаващи агенти (тенденции, процеси, хардуер, логове) работят по свои графици, извеждат аномалии в обща опашка, а оркестратор решава кои заслужават човешко внимание.
Итеративно усъвършенстване
Агент програмист генерира, агент рецензент оценява, програмистът преработва спрямо оценката. Цикълът се повтаря, докато оценката премине прага или бюджетът се изчерпи. По-бавно, но произвежда работа, която не се нуждае от човешко преминаване. Използваме го ежедневно в собствената си инженерна работа.
Защо един модел рядко върши цялата работа добре.
Да искате от модел с общо предназначение да поеме целия конвейер - приемане, извличане, разсъждение, чернова, преглед, действие - е най-честата причина една AI функция да се представя слабо в реална експлоатация. Решението е архитектурно, а не по-добър модел.
- Един общ модел поема приемане, извличане, изготвяне на чернови, преглед - и е посредствен във всяко от тях
- Грешките се натрупват тихо; нищо вътре в цикъла не проверява цикъла
- Няма паралелизъм - моделът чака всеки инструмент последователно
- Един отказ на инструмент поваля цялата задача
- Разходът расте линейно с дължината на промпта, независимо колко тривиална е стъпката
- Всяка роля е специалист, промптиран и оборудван с инструменти за своята тясна задача
- Агент рецензент улавя пропуснатото от агента за чернови, преди резултатът да излезе
- Независимите подзадачи се изпълняват паралелно и се обединяват - реалното време за изчакване спада
- Оркестраторът прави повторен опит или заобикаля отказал агент - задачата оцелява
- По-евтини модели за рутинните подзадачи; водещите модели само там, където си заслужават
Мултиагентни системи в реална експлоатация.
Триаж на клиентска поддръжка
Агент за приемане класифицира, маршрутизиращ агент извлича относимия контекст (база знания, история на заявките, състояние на акаунта), агент за отговори изготвя черновата, рецензент оценява тона и точността, а правила за ескалация изпращат всичко под прага към човек.
Планиране на маркетингови кампании
Изследовател събира сигнали за конкуренцията и пазара, стратег изготвя план, автор произвежда варианти, планиращ агент разпределя по канали.
Софтуерно инженерство
Програмист генерира, рецензент отбелязва проблеми, мениджър се грижи за одобренията и внедряването. Използваме това ежедневно в собствената си работа.
Финансов анализ
Агенти за извличане и агрегиране правят паралелни заявки към няколко източника на данни, разсъждаващ агент синтезира, а валидатор прави кръстосана проверка спрямо изходните документи.
Оперативно наблюдение
Независими наблюдаващи агенти следят отделни сигнали; оркестратор извежда само аномалиите, които човек трябва да види.
Обработка на документи
Извличане, класификация, валидация и маршрутизиране при работни потоци с голям обем документи - от типа, който преди се вършеше в задния офис.
Фреймуъркът е средство. Архитектурата е продуктът.
LangGraph
Оркестратори с разклоняващи се машини на състоянията - правилният избор, когато самият работен поток има логика, която трябва да може да се проверява и възпроизвежда.
CrewAI
Схеми тип център и лъчи, където надеждността е по-важна от гъвкавостта. По-бързо за пускане, по-просто за поддръжка, по-малко подвижни части.
AutoGen
Цикли на итеративно усъвършенстване - генератор + рецензент + редактор, при които всяко преминаване измеримо подобрява резултата.
Anthropic MCP
Стандартизация на инструментите между доставчиците. Агентите сменят модели, без да пренаписват своя слой от инструменти; дългосрочна защита срещу обвързване с един доставчик.
Собствен Node + BullMQ
Дълготрайни cron и опашкови схеми, при които фреймуъркът добавя повече тежест, отколкото носи. Най-чистият път, когато работата е предимно планиране и повторни опити.
Изборът на фреймуърк е тактически. Архитектурата е продуктът.
Роли, инструменти, памет, повторни опити, наблюдаемост, тавани на разходите - тези решения определят дали системата ще оцелее в реална експлоатация. Фреймуъркът отгоре е тактически въпрос, на който отговаряме за всеки ангажимент поотделно, често сменяйки го в средата на проекта. ERP агентът с 19 умения, който поддържаме за SBS, използва различен стек от оркестратора зад пакета за интелигентност от страна на SBS - същата архитектура, различен фреймуърк отдолу. Архитектурата остава. Фреймуърците идват и си отиват.
Три неща, които хората питат.
С какво това се различава от модната дума "агентен AI"?
Нужен ли ни е различен модел за всеки агент?
Как поддържате разходите ограничени?
Донесете ни проблем, който изяжда седмицата на екипа ви.
Запазете 30-минутен диагностичен разговор. Казваме ви дали мултиагентният подход е подходящ и как би изглеждал един MVP. Безплатно; писмено резюме и в двата случая.