Phase 16: Multi-Agent & Swarms

监督员/管弦乐员工作模式

一个主要代理人计划和代表;专业工作者在平行环境中执行并报告. 这就是安特罗皮克研究系统 (Claude Opus 4作为, Sonnet 4作为子基) 背后的模式,在内部研究评估中,测量为+90.2% 据Anthropic的工程文章报道,BrowseComp上的80%的差异仅仅是通过代币使用解释的. 这一课从原始人构建了监督模式,并涵盖了2026年的生产部署工程课程.

Type: Learn + Build

Languages: Python (stdlib, threading)

Prerequisites: Phase 16 · 04 (Primitive Model)

Time: ~75 minutes

问题

研究是单代理系统失败的原型任务.你问"2023年至2026年间多代理系统发生了什么变化?" 一个单代理在连续阅读五篇论文,将其文本填写到一半,然后必须一起考虑它们.在达到第五篇时,它忘记了第一篇论文.它不能平行化.

监督模式解决了这一问题:一个领导代理计划搜索,委托每个子问题给一个工人,并合成.每个工人获得了自己的200k代币窗口,以满足一个狭窄的问题.领导从来没有看到原材料只有工人的摘要.

报告显示,在内部研究评估和单个Opus4中,Anthropic的生产研究系统报告了90.2%的数据. 同一篇文章指出,80%的BrowseComp变化仅仅是通过使用代币来解释的.

概念

模式

                 ┌──────────────┐
                 │   Lead       │  plans, decomposes,
                 │  (Opus 4)    │  synthesizes
                 └──┬────┬───┬──┘
                    │    │   │
            ┌───────┘    │   └───────┐
            ▼            ▼           ▼
      ┌─────────┐  ┌─────────┐  ┌─────────┐
      │ Worker1 │  │ Worker2 │  │ Worker3 │
      │(Sonnet) │  │(Sonnet) │  │(Sonnet) │
      └─────────┘  └─────────┘  └─────────┘
         fresh       fresh        fresh
         context     context      context

子从来没有读到原材料. 工人从来没有看到彼此的工作,直到子合成. 每个箭头都是一个狭窄的文物.

为什么它赢得

三个机制:

Fresh context per subagent.调查"FIPA-ACL遗产"的工人没有带上40万代币,
Specialization via prompt.领导的提示是"分解和合成",而不是"研究".每个工作者的提示是狭窄的:"找到X变化的东西".
Parallelism.工人同时运行.max(worker_times) + plan + synthesis没有sum(worker_times)现在,我们要去.

工程课程 (人类学2025年)

对于2026年,这份"人类"文章列出了一些仍然与2026年相关的生产课程:

Scale effort to query complexity.简单的查询:一个代理,3-10个工具调用.复杂的查询:10个代理. 领先者必须估计这一点,而不是调用者.
Broad then narrow.首先将其分解成广泛的子问题,然后在答案要求深度时,每次子问题就会产生更多的工人.
Rainbow deployments.机器人是长期的,充满状态的.传统的蓝绿色不起作用.人类使用彩虹:新版本逐步推出,而旧版本会耗尽.
Token usage dominates.单代理的代币是15x. 只有任务值证明成本时运行.

图表原生转折

拉格格拉夫最初发送了一个langgraph-supervisor具有高水平的图书馆create_supervisor帮助人. 在2025年,兰格链将推转移到直接通过工具调用实现监督模式,因为工具调用对监督者看到的东西给予更多控制 (文本工程).图书馆仍然运行; 文档现在建议使用工具调用形式.

失败模式

Lead hallucinates the plan.如果引擎引发了不解解答真正的问题的子问题,
Workers over-explore.没有明确的范围限制,工人超越了分配给他们的子问题,
Synthesis conflicts.两个工人返回矛盾的事实. 领先者要么重新问 (添加一轮) 或明确指出分歧. 默默选择一边是最严重的失败:用户永远不知道分歧发生了.

当监督员错误时

Sequential tasks.如果步骤2实际上需要步骤1的输出,并行性就不会买到任何东西.使用管道 (CrewAI序列,LangGraph线形图).
Simple queries.单个代理人处理它们更快,更便宜.
Strict determinism.监督者使用LLM选定的代表. 静态图表在审计/重播更重要时比适应性更好.

建立它

code/main.py执行一个由三个平行工人组成的监督员工,使用threading将查询分解成子问题,工人同时对每个子问题进行运行,合成.没有真正的LLM工人编写以模拟搜索和总结.

关键结构:

Lead.plan(query)问题分为3个子问题.
Worker.run(sub_q)返回假摘要 (可能是生产中的任何使用工具的代理).
Lead.run(query)它们将工人分为线程,结合和合成.

运行:

python3 code/main.py

输出显示了计划,并行工作者跟踪了开始/结束时间标签,以及最终合成.你可以看到墙钟的胜利:三名0.3秒的工人在0.35秒内跑,而不是0.9.

用它

outputs/skill-supervisor-designer.md通过使用者查询,生成一个监督模式设计:导向系统提示,工作者角色,子问题分解规则和合成模板. 在构建新的研究式代理系统之前,使用此.

运送它

在部署监督模式之前,检查列表:

Model pairing.在推理层模型上 (Opus类,o3工人在更快,更便宜的模型上 (Sonnet, o4-mini)
Worker timeout.任何超过2倍的平均运行时间的工人都会被杀害; 领先者要么以更窄的范围重新生长,要么没有它.
Token cap per worker.强制限制 (例如,预期的合成输入10倍) 阻止逃离工人
Observability.追踪领导的计划,每个员工的工具调用,以及合成. 这是任何后期调试的基础.
Rainbow rollout.长期经营的代理人需要逐步的版本转换,而不是热交换.

运动

跑步code/main.py现在,我们可以看到一个新的方法,然后修改引擎到5个工人而不是3.观察墙钟效果.在哪个工人数量上,在这个演示中,产生的总成本超过了平行节省?
执行员工时间限制:杀死超过0.5秒的员工,让领先者合成剩余的结果.
另外,如果两个工人回复矛盾的答案,领导者会注意到不同意见,而不是选择一个.
列出这款玩具演示需要采用的三种做法,才能在生产中运行.
比较兰格拉夫的情况create_supervisor什么让你更好地控制监督者看到的东西?为什么人类明确地将仅次答案而不是原始工人背景合成?

关键词

Term	What people say	What it actually means
Supervisor	"Lead agent"	An orchestrator agent that plans, delegates, and synthesizes. Does not do the work itself.
Worker	"Subagent"	A focused agent invoked by the supervisor with narrow scope and its own context window.
Orchestrator-worker	"Supervisor pattern"	Same thing, different name. The 2026 literature uses both.
Fresh context	"Clean window"	A worker's context starts from its system prompt and assigned question, not the lead's history.
Rainbow deployment	"Gradual rollout"	Long-running stateful agents need versioned drain-and-replace, not blue-green.
Token dominance	"Context is the variable"	80% of research-eval variance comes from total tokens used, not model choice, per Anthropic.
Scale effort	"Match agent count to complexity"	Lead estimates query difficulty, spawns 1 vs 10+ workers accordingly.
Synthesis conflict	"Workers disagree"	Two workers return contradictory facts; the lead must surface disagreement, not silently pick one.

进一步阅读

Anthropic engineering — How we built our multi-agent research system监管模式的生产参考
LangGraph workflows and agents 工具调用监督者现在是建议的形式
LangGraph supervisor reference传统的辅助器,仍在2026年生产中使用
OpenAI cookbook — Orchestrating Agents: Routines and Handoffs基于转让的监管变体

This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.

Browse the complete course catalog or open this lesson on GitHub.