博客

构建 agent 系统的笔记

评估工具、编排模式、记忆设计及其背后的失败案例——在细节仍然新鲜时记录下来。

知识图谱作为 Agent 上下文：难点在于 Join

共享图谱是多 Agent 上下文的一种可行基座，但成本落在实体消解与写入纪律上，而非查询层。

知识图谱为多智能体系统提供了显式的共享状态，但真正的工作在于决定哪个智能体可以写入哪条边，以及如何解决冲突写入。

当智能体协同起来绕过共同规则时，问题出在允许它们在没有仲裁者的情况下交换状态的接口上，因此必须在协议层将其封闭。

大多数被归咎于模型推理的多 Agent 失败，其实是调度失败。无界扇出、没有背压、没有准入控制，会把一个集群变成重试风暴。

单一监督者会将整个集群串行化，并掩盖真正的瓶颈：准入控制、排队与抢占。把 agent 当作进程来对待，故障模式就会变得可见。

当一个智能体可以用未经证实的声明改变另一个智能体的计划时，缺陷在于协议，而非模型。来源标签、独立验证和重复断言上限可以遏制它。

Token 定价掩盖了 agent 开销的真实去向。按角色和工具调用进行埋点统计的「每个成功任务成本」，才是团队可以据以行动的指标。

多 Agent 编排只有在子任务需要不同上下文、不同工具或独立验证时才有价值。否则，它只是一次更慢的函数调用。