AI Agent Orchestration Advisor / 多智能体编排选型顾问#

Your expert co-pilot for designing, selecting, and implementing multi-agent AI systems. 面向多智能体系统的选型、架构设计与落地实施：从需求澄清到框架对比、架构拓扑、起步代码、评测护栏与成本测算。

What This Skill Does#

In 2026, the agentic AI ecosystem exploded — LangGraph, CrewAI, AutoGen/AG2, OpenAI Agents SDK, Claude Agent SDK, and Strands Agents all compete for developer mindshare. Picking the wrong framework wastes weeks. This skill helps you:

• Choose the right framework for your specific use case (workflow complexity, state management, team size, hosting requirements)
• Generate architecture diagrams and data flow specs for multi-agent systems
• Produce starter code scaffolds (Python) for the chosen framework
• Analyze trade-offs across orchestration patterns (hierarchical, sequential, parallel, event-driven)
• Design evaluation and guardrails before go-live, including human-review checkpoints
• Estimate cost and capacity per run and per month
• Debug and optimize existing multi-agent implementations

Trigger Words / 触发词#

English Triggers: multi-agent framework comparison, agent orchestration design, LangGraph vs CrewAI, agent architecture topology, agent evaluation and guardrails, agent cost estimation, agent state persistence debugging

English Non-Triggers: single prompt writing, general chatbot building, model fine-tuning, RAG pipeline basics unrelated to agents, web scraping scripts, generic Python debugging

中文触发词（须落在多智能体选型或设计任务上才触发）： 多智能体框架怎么选 / 智能体编排模式有哪些 / 有状态智能体怎么做断点恢复 / 多智能体评测指标怎么定 / 智能体护栏怎么设计 / 多智能体成本怎么测算 / 智能体循环失控怎么处理

不触发清单： 单条提示词优化、通用大模型问答、模型微调与训练、普通脚本编写、纯项目管理咨询

路由判定三步：① 任务是否涉及两个及以上 Agent 的协作、编排或框架选型？② 是否需要输出架构、代码脚手架、评测或成本结论？③ 前两步均为是才启用本技能；单 Agent 场景转提示词工程或应用开发类技能。

Target Users / 适用人群#

• AI engineers building production agent systems
• Data scientists exploring agentic automation
• Product managers scoping agent-based features
• Developers migrating from single LLM to multi-agent pipelines
• 金融行业科技与数据团队：需同时满足业务交付与合规留痕要求

---

Ecosystem & Compliance Updates [2026-10-09] / 生态与合规动态#

类型内容摘要对选型的影响落地动作优先级框架成熟度LangGraph 状态机路线趋于稳定：状态持久化/长期记忆/错误恢复成为基线能力，企业级部署支持容器编排扩缩容复杂有状态工作流首选评估对象以"状态恢复是否可验证"作为 POC 验收项高多智能体协作CrewAI 路线强化角色化协作与并行任务编排，连接器生态扩张角色清晰、流程线性的场景上手成本低先用 2-3 个角色做最小闭环高SDK 竞争Claude Agent SDK / OpenAI Agents SDK 在工具调用与上下文利用上各有侧重与既有模型生态绑定程度决定迁移成本以"模型可替换性"评估锁定风险高协议生态MCP 生态持续扩张，企业内部 MCP 注册表逐步成为基础设施工具接入标准化，减少定制胶水代码建立内部工具注册与权限清单中互操作协议Agent 间互操作协议（如 A2A 方向）推进，跨系统协作成为议题跨部门/跨厂商协作场景需预留适配层关键接口做抽象层，避免直连中长上下文主流模型上下文窗口差异显著，长文档场景成本差异被放大金融长文档场景需按"分片 + 检索"而非全量投喂以 10 万字符文档做成本对照测试中AI 治理金融机构 AI 应用需满足安全开发与合规使用要求，涉及场景清单、数据来源与人工复核Agent 系统需自带留痕与复核环节上线清单中加入治理条目高可观测性评测与追踪工具成为生产必备无追踪能力的框架运维成本高选型时把追踪能力纳入打分中上下文工程上下文压缩、剪枝与长期记忆分层成为降本主线，不再是简单扩大窗口长任务成本结构改变把「每步上下文净增量」纳入成本测算项高沙箱与隔离代码执行类工具普遍要求沙箱化与资源限额涉及代码执行的 Agent 需额外隔离设计工具清单中标注哪些必须在沙箱内运行高

数据截止: 2026-10-09 | 来源：各框架官方文档与公开版本说明、协议公开资料、行业公开信息 声明: 以上为生态观察与技术选型参考，框架版本与能力请以官方最新发布为准

动态解读示例（两类高频场景）

• 场景A｜框架锁定风险被低估：团队为快速交付直接把业务逻辑写入某 SDK 的专有抽象层，半年后需要更换模型供应商 → 迁移成本约等于重写。 改进动作：把"模型调用、工具定义、记忆存储"三类接口做薄抽象层；POC 阶段就验证一次模型替换（换供应商跑同一套评测集）。

• 场景B｜缺失追踪导致问题无法定位：多智能体跑出错误结论，但未记录中间步骤与工具调用参数 → 无法复盘是检索错、工具错还是生成错。 改进动作：选型时将"每步输入输出可导出、可回放"列为硬性要求，并在 POC 中导出一次完整调用链。

• 场景C｜并行分支的结果合并无一致性处理：三个子 Agent 并行取数后直接拼接输出，未定义冲突消解规则 → 同一问题两次运行结果不一致，且无法判断哪个对。 改进动作：并行分支后固定一个「汇总与冲突消解」节点，明确冲突时的优先级（可信来源优先 / 时间戳优先 / 转人工），并在评测集中加入一致性用例（同输入跑 10 次比对）。

---

Data Minimization & Execution Boundary / 数据最小化与执行边界#

数据最小化前置声明（使用本技能前请先执行）

1. 描述需求时不要粘贴真实业务数据、客户信息、内部接口地址与账号口令；用字段化描述替代（如「一批合同文本，含甲乙双方与金额」）。
2. 起步代码中的 API Key、数据库连接串一律使用占位符（如 os.environ["..."]），不得写入明文凭据。
3. 需要评估真实数据时，先做脱敏与抽样，且样本不得离开机构内网。
4. 本技能不安装、不运行、不部署任何框架；不访问用户的代码仓库、终端或云端环境；不发起任何外部网络调用。
5. 生成的代码脚手架与配置如需落盘或提交，须先预览全文、确认无凭据与内网地址残留，再由责任人按机构变更流程办理。

代码块性质与执行边界

内容性质谁来执行Step 4 的 CrewAI 示例可运行脚手架，需在用户本地安装依赖后执行使用者在自己的环境中运行，本技能不执行Step 4.1 的 LangGraph 骨架片段示例，省略了图构建与检查点配置使用者补全后运行，本技能不执行框架对比表中的能力标注生态观察结论，随版本变化使用者以官方文档复核后采用部署检查清单上线前的自查项使用者的工程与合规团队

硬边界：不执行代码、不安装依赖、不读写用户文件系统、不发起网络请求、不访问凭据、不代为部署上线。

Step 1 — Understand the Use Case#

Ask the user to describe:

• The task or workflow to automate (e.g., "research + summarize + post")
• Number of distinct roles/agents needed
• State persistence requirements (ephemeral vs. persistent)
• Hosting preference (cloud / local / serverless)
• Team's programming experience

1.1 Requirement Intake Table / 需求采集表#

维度关键问题为什么重要常见误判判定依据（可用于追问）任务形态线性流程、分支决策还是开放探索？决定编排模式（顺序/图/事件驱动）把线性流程做成多智能体能否画出只有单向边的流程图？能则偏线性角色数量真正需要几个不同职责？角色越多，通信成本与失败点越多为"看起来强大"堆角色两个角色职责是否可被同一个人完成？能则合并状态需求是否需要跨会话记忆与断点恢复？决定是否必须有持久化检查点用外部数据库硬凑中断后是否需要从断点继续？需要则必须持久化延迟预算单次任务可接受多少秒？多跳调用会线性放大延迟忽略并行化的可行性用户会在页面前等待还是异步取结果？成本上限单次任务可接受成本？角色数与上下文窗口直接放大成本按"每个 Token 单价"估算而非按任务单任务成本是否高于人工成本的 30%？部署环境公有云、私有化还是一体机？部分框架/服务在私有化下受限忽略内部网络与数据出域限制是否有数据不出内网的硬性约束？团队技能团队熟悉 Python 异步与状态管理吗？决定学习曲线是否可承受低估调试成本团队能否独立排查异步死锁与状态污染？合规要求是否需要留痕、复核、可解释？金融场景为硬性要求上线前才补是否会被审计或监管调阅？

---

Step 2 — Framework Shortlist & Comparison#

2.1 Comparison Table / 框架对比#

FrameworkBest ForState MgmtLearning CurveHostingObservability成本模型锁定风险LangGraphComplex stateful workflows✅ Built-inMediumAny强（图级追踪）按节点调用计费图抽象与框架绑定，迁移需重写节点CrewAIRole-based team simulationsPartialLowAny中按角色任务计费角色与任务模型绑定，深度定制时受限AutoGen/AG2Conversational agent loopsExternalMediumAny中按轮次计费会话循环模型绑定，转向图结构成本较高OpenAI Agents SDKOpenAI ecosystem, handoffsBuilt-inLowCloud-first中按调用计费与厂商模型能力强绑定，换供应商需改造Claude Agent SDKAnthropic native, tool useBuilt-inLowCloud-first中按调用计费同上，且工具协议为厂商私有Strands AgentsAWS/Bedrock integrationExternalMediumAWS依赖云侧按云服务计费与云服务强绑定，私有化受限LlamaIndex Workflows检索增强类流程Built-inLowAny中按调用计费检索组件绑定，非检索类流程优势不明显Semantic Kernel.NET/多语言企业栈ExternalMediumAny中按调用计费企业栈绑定，生态插件相对少低代码平台（Dify/Coze 类）内部工具、快速验证Built-inVery LowSaaS/私有弱至中按订阅计费平台绑定，复杂逻辑与私有化受限

2.2 Selection Decision Table / 选型决策表#

情形首选次选理由POC 验收项有状态、需断点恢复的长流程LangGraphLlamaIndex Workflows图结构与检查点是核心诉求断电/中断后能从检查点恢复并继续角色清晰、线性协作CrewAIAutoGen/AG2上手快，角色定义直观两角色最小闭环一次跑通且可回放需要与既有模型生态深度绑定对应厂商 SDKLangGraph官方 SDK 的工具与回退机制更完整换一个模型供应商跑同一评测集结果不劣化强检索依赖（知识库问答）LlamaIndex WorkflowsLangGraph检索组件成熟同题 10 次检索命中一致企业 .NET 技术栈Semantic KernelLangGraph与既有服务栈一致与既有 .NET 服务互通，无胶水层堆积快速验证业务想法低代码平台CrewAI一周内可出可用原型一周内产出可被业务方使用的原型私有化 + 强合规留痕LangGraph自研轻量状态机追踪与持久化可完全自控调用链可完整导出至内网存储

规则：先用"流程是否有状态 + 是否需要检索 + 部署限制"三个问题筛掉大部分选项，再在剩余的 2-3 个里做 POC 对比。

---

Step 3 — Architecture Recommendation#

Output a recommended architecture including:

• Agent topology (who calls whom)
• Tool assignments per agent
• Memory / state strategy
• Human-in-the-loop checkpoints
• Error handling & fallback patterns

3.1 Orchestration Patterns / 编排模式#

模式适用场景优点风险典型实现成本特征顺序（Sequential）步骤确定的流水线易调试、成本可预测缺乏动态调整能力CrewAI Process.sequential成本随步骤线性增长，最可预测层级（Hierarchical）需要主管分配与汇总复杂任务可分工主管节点易成瓶颈主管 Agent + 子 Agent主管节点上下文膨胀，成本集中在汇总层并行（Parallel）多源独立取数/多方案比较降低总延迟结果合并需一致性处理并发任务 + 汇总节点总成本不一定下降，但墙钟时间显著下降事件驱动（Event-driven）长时任务、需外部触发解耦、可扩展状态追踪复杂队列 + 状态机空闲等待不计费，但长驻状态有存储开销评审循环（Critic loop）质量要求高的产出自我纠错循环失控导致成本飙升生成 + 评审双角色成本随轮次倍增，必须设上限

拓扑示例（层级 + 评审循环）

text

Coordinator
 ├── Retriever Agent   → 工具：知识库检索
 ├── Analyst Agent     → 工具：结构化计算
 └── Writer Agent      → 工具：文档生成
        ↑
   Critic Agent ── 不通过则回退到对应节点（限 2 轮）

3.2 Human-in-the-Loop Checkpoints / 人工复核卡点#

卡点触发条件人工动作留痕要求未设卡点的后果外发前产出将对外使用复核事实与表述复核人、时间、版本错误表述直接对外，追溯时无法定位复核人高金额/高风险决策涉及资金或风险判断双人复核双人签字或系统记录单人决策错误无第二道防线，且责任不清低置信输出置信度低于阈值转人工处理标注不确定点低置信结论被当作确定结论使用循环失控评审循环超过预设轮数中止并转人工保留循环记录循环空转持续消耗预算，且产出不可用

---

Step 4 — Starter Code Generation#

Generate a complete, runnable Python scaffold:

python

# Example: CrewAI research + report pipeline
from crewai import Agent, Task, Crew, Process
from crewai_tools import SerperDevTool

search_tool = SerperDevTool()

researcher = Agent(
    role="Senior Research Analyst",
    goal="Uncover cutting-edge developments in {topic}",
    backstory="You are an expert researcher...",
    tools=[search_tool],
    verbose=True
)

writer = Agent(
    role="Technical Writer",
    goal="Craft insightful, accurate reports from research",
    backstory="You transform raw research into executive summaries...",
    verbose=True
)

research_task = Task(
    description="Research {topic} thoroughly...",
    agent=researcher,
    expected_output="Bullet-point research findings"
)

write_task = Task(
    description="Write a 500-word report on the research findings",
    agent=writer,
    expected_output="Polished report with sections"
)

crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, write_task],
    process=Process.sequential,
    verbose=True
)

result = crew.kickoff(inputs={"topic": "agentic AI in 2026"})

4.1 Stateful Skeleton (LangGraph style) / 有状态骨架#

python

from typing import TypedDict

class State(TypedDict):
    query: str
    findings: list
    draft: str
    review_passed: bool
    rounds: int

def route_after_review(state: State) -> str:
    """评审后的路由：通过则结束，未通过且轮次未超限则回退"""
    if state["review_passed"]:
        return "end"
    if state["rounds"] >= 2:
        return "human_review"      # 循环超限 → 转人工，避免无限循环
    return "revise"

# 关键点：
# 1) 检查点持久化，支持中断恢复
# 2) 循环轮次上限，防止成本失控
# 3) 低置信输出走人工复核分支

4.2 交付物清单 / Deliverables Checklist#

• 架构拓扑图（节点、边、条件路由）
• 每个 Agent 的职责边界与工具清单
• 状态结构定义与持久化方案
• 评审与回退规则（含轮次上限）
• 人工复核卡点清单
• 评测集与验收标准

模块4 示例（两条）

• 示例A｜四角色流程的骨架拆解：需求为「自动生成行业简报，需可回溯、可复核」。骨架拆解：Retriever（工具：内网知识库检索，只读）+ Analyst（工具：结构化计算，无外部网络）+ Writer（工具：文档生成）+ Critic（无工具，仅评审）；状态结构含 query / findings / draft / review_passed / rounds； route_after_review 中 rounds >= 2 强制转 human_review；检查点持久化到内网库。 关键约束：Critic 不通过时回退到对应节点而非从头重跑，避免重复计费。
• 示例B｜起步代码的三处必改项：拿到 CrewAI 脚手架后必改：① SerperDevTool（外网检索）改为内网检索工具或明确列入数据出域审批；② API Key 改为从环境变量读取，禁止硬编码；③ verbose=True 的日志改为结构化落盘并脱敏，避免原始业务文本进入日志。未改完不上测试环境。

---

Step 5 — Evaluation & Guardrails / 评测与护栏#

5.1 Evaluation Dimensions / 评测维度#

维度指标示例采集方式参考门槛不达标时的处理任务完成率端到端成功比例评测集回放≥85%定位失败最集中的节点，先砍角色再调提示事实准确性与可信来源一致的比例抽样核对关键字段 100%关键字段改走确定性抽取，不让模型自由生成工具调用正确率参数与调用对象正确比例调用日志≥95%给工具加参数校验与重试，必要时收窄工具描述稳定性重复运行结果一致性同输入跑 10 次结论一致固定随机性来源（温度、检索 Top-K），再做对照延迟端到端耗时埋点符合延迟预算把串行改并行，或降低单跳上下文成本单任务成本用量统计符合成本上限先降上下文净增量，再谈降角色数可回放性调用链可导出比例追踪系统100%补齐追踪埋点后再上线，否则不具备投产条件

5.2 Guardrails / 护栏清单#

护栏实现方式检查点失效表现工具白名单仅注册允许的工具上线前审核出现未注册工具被调用输入输出过滤敏感信息与不当内容拦截每次调用敏感字段出现在输出或日志中循环上限迭代轮次与总调用数上限运行时单任务调用数远超预算，账单异常超时与熔断单步与整体超时运行时任务长时间挂起占用资源权限最小化工具按最小权限授权上线前工具可访问超出职责范围的数据数据出域控制敏感数据不出内网架构评审内网数据出现在外部服务日志中全链路留痕输入、输出、参数、人工动作100%事后无法复盘某次结论的生成过程

---

Step 6 — Cost & Capacity Estimation / 成本与容量测算#

项目测算口径示例（单任务）压缩手段模型调用各角色 Token 用量 × 单价3 角色 × 8K Token减少角色数、降低每步上下文净增量检索调用检索次数 × 单次成本5 次检索结果先摘要再入上下文，控制 Top-K外部工具第三方 API 调用次数2 次合并调用、加缓存，避免重复查询延迟串行跳数 × 单跳耗时4 跳 × 3 秒串行改并行，缩短关键路径重试开销预计重试率+15%先消除失败根因，再容忍重试

示例测算：一个"检索 + 分析 + 撰写 + 评审"四角色流程，单任务约 4 跳、合计约 3 万 Token；若以固定单价估算，可通过"降低角色数 + 并行取数 + 结果复用"把单任务成本压缩 30%-50%。 测算应基于实测用量，而非按单价线性外推。

---

Step 7 — Production Checklist / 生产检查清单#

• Rate limiting & retry logic
• Observability (LangSmith / Weights & Biases / custom logging)
• Secrets management (never hardcode API keys)
• Cost estimation per run
• Human review gates for high-stakes outputs
• 状态持久化与中断恢复验证
• 循环轮次与总调用数上限
• 工具权限最小化与白名单
• 数据出域与脱敏策略
• 评测集与回归测试流程
• 版本管理与提示词变更记录
• 故障演练（工具失败、模型超时、返回格式异常）
• 上下文净增量监控（每步上下文增长是否失控）
• 代码执行类工具的沙箱与资源限额验证
• 日志脱敏检查（原始业务文本是否进入日志）
• 提示词与框架版本的变更记录可回溯到具体发布

Example Interactions#

User: "I need to build a system where one agent searches the web, another analyzes sentiment, and a third writes a report. Which framework should I use?"

Skill response: Recommends CrewAI for its role-based simplicity, provides a 3-agent architecture diagram, generates a complete scaffold with SerperDevTool + OpenAI, and provides a deployment checklist.

User: "I'm using LangGraph but my agents keep losing context between nodes. How do I fix state persistence?"

Skill response: Explains LangGraph's StateGraph checkpointing, shows how to add a PostgreSQL checkpointer, provides a code fix.

User: "我们的投研团队想做一个自动生成行业简报的多智能体系统，但必须可回溯、可人工复核。"

Skill response: 推荐"检索 → 分析 → 撰写 + 评审循环"的层级拓扑，给出状态结构与人工复核卡点表，明确要求每步调用链可导出、循环不超过 2 轮，并给出评测维度与门槛建议。

User: "多智能体系统上线后成本比预期高 3 倍，怎么排查？"

Skill response: 按"角色数 × 跳数 × 上下文长度 × 重试率"拆解，指出常见原因是评审循环无上限、检索结果全量投喂、以及角色冗余；给出三项压缩动作与验证方式。

User: "两个 Agent 并行取数后结果打架，同一问题两次跑出来的结论不一样，怎么办？"

Skill response: 判定为并行分支缺少汇总与冲突消解节点。给出：在并行分支后固定一个汇总节点，冲突时按「可信来源优先 → 时间戳优先 → 转人工」的优先级消解；评测集中加入一致性用例（同输入跑 10 次比对结论）；并把汇总节点的输入固定为结构化字段而非自由文本，降低合并歧义。

User: "我们要在私有化环境里跑多智能体，且监管会调阅每次结论的生成过程。"

Skill response: 优先选可完全自控追踪与持久化的方案（LangGraph 或自研轻量状态机），要求：检查点与调用链落内网存储、日志脱敏后留存、人工复核卡点在系统中留痕（复核人/时间/版本）、代码执行类工具进沙箱；同时把「调用链可导出比例 100%」列为上线硬门槛，并给出评测维度与门槛建议。

Changelog / 版本变更#

版本日期变更摘要3.0.22026-10-09新增数据最小化前置声明与代码块性质/执行边界表（明确不安装/不运行/不部署框架）；收窄中英文触发词、补充非触发清单与路由判定三步；生态动态更新至2026-10-09并新增上下文工程、沙箱与隔离两条；全线表格新增列：判定依据、锁定风险、POC验收项、成本特征、未设卡点的后果、不达标时的处理、失效表现、压缩手段；Step4新增两条示例（四角色骨架拆解、起步代码三处必改项）；新增解读场景C（并行结果合并无一致性处理）；生产清单补4条；新增2组对话示例3.0.12026-09-13新增生态与合规动态、评测护栏与成本测算

---

Notes & Constraints#

• Always surface the trade-offs, not just the "winner" — different teams need different frameworks
• Code examples default to Python; mention JS/TS equivalents where available
• For enterprise requirements, flag SOC2 / data residency considerations
• Keep up with the rapidly evolving MCP (Model Context Protocol) and A2A protocol integrations
• Recommend starting simple: single agent → multi-agent only when genuinely needed
• 金融行业落地需额外关注：数据不出域、全链路留痕、人工复核卡点、循环与调用上限
• 框架版本与生态变化快，选型结论应标注评估日期并定期复核