为何使用多智能体？
在以下一种或多种需求出现时，多智能体模式会很有用：- 上下文管理：在不压垮模型上下文的前提下暴露专项知识。当上下文与延迟都有限时，需要按步骤或按智能体只呈现相关内容。
- 分工开发：让不同团队负责不同能力（如技能、子智能体、专家），并在清晰边界下组合使用。
- 并行化：对子任务并行运行专职工作者，以降低延迟。
- 结构化流程：强制顺序（如先分类再路由，或循环直到满足条件）或按角色交接（如销售 vs 支持），单智能体难以自然保证这些约束。
支持的模式
AgentScope 支持以下多智能体模式，每种都有独立页面说明实现与示例。如何选型
工作流（workflow）vs 对话（conversational）
从整体上，多智能体模式可分为 工作流（workflow） 与 对话（conversational） 两类：- 工作流模式：包含 Pipeline、Routing、Custom Workflow。流程在智能体或节点之间流转，每个节点都可能与用户交互。
- 对话模式：包含 Supervisor、Subagents、Skills。智能体的决策在连续的对话上下文中进行，通常只有主智能体与用户交互并将结果输出给用户。
Routing 与 Supervisor 的区别
两种模式都能把工作分发给多个智能体，但路由决策的方式不同：- Routing（路由）：有一个独立的路由步骤（通常是一次 LLM 分类或规则逻辑），对当前输入做分类后分发给一个或多个专家；路由器本身不维护对话历史，也不做多轮编排，本质是预处理。适合输入类别清晰、希望用轻量或确定性分类、一次请求完成「分类 → 专家 → 合并」的场景。
- Supervisor（监督者）：由主监督者智能体在持续对话中动态决定下一步调用哪个专家（以工具形式）；主智能体维护上下文，可在多轮中多次调用不同专家，编排复杂多步流程。适合需要灵活、对话感知的编排、由 LLM 根据演进中的上下文决定下一步的场景。
Skills 与 Subagents / Supervisor 的区别
主要区别在于上下文是否隔离：- Skills（技能）：技能内容（如
SKILL.md）通过工具（如read_skill）按需加载到主智能体的上下文中，与主智能体共享同一段对话上下文，无法隔离。主智能体只有一个进程、一段上下文，只是按需把大段领域文本拉进来。适合「一个智能体多种专长、按需加载」、且不需要独立执行或隔离上下文的场景。 - Subagents / Supervisor（子智能体 / 监督者）：子智能体或专家在独立调用或独立会话中执行，与主智能体（编排者或监督者）的对话上下文隔离；每次调用可带独立的系统提示与工具集，结果汇总回主智能体。适合需要隔离执行、避免上下文污染、或对专家做工具/权限限制的场景。
选型快速参考
组合使用：可以混用。例如监督者用 Agent as Tool 调用专家；子智能体编排智能体用 Skills 做按需上下文；图中某段用 Handoffs、另一段用 Routing。按流程各部分需求选择最合适的模式即可。
小结
- Pipeline：预定义流程（顺序、并行、循环）。
- Routing：分类 → 专家 → 综合。
- Skills：单智能体按需加载专项提示/内容。
- Subagents：一个编排智能体委托给多个任务式子智能体。
- Supervisor：一个智能体将专家以「一专家一工具」方式路由与合并。
- Handoffs：图中通过工具驱动状态切换「当前」智能体。
- Multi-Agent Debate：辩手 + 主持人 + 明确结束条件。
- Custom Workflow：自定图结构，混合确定性步骤与智能体步骤。