[size=5]1. 现有多 Agent 编排的问题[/size]
现在的多 Agent 编排项目,比如 Orca、Multica、herdr,几乎都有类似的问题:
[list]
[*][b]复杂[/b]。复杂的看板,复杂的配置。
[*][b]大量操作仍然要人来做[/b]。
[*][b]为了在 Codex/Claude Code 之上做编排,做了大量 Hook、Hack[/b](当然,这也是他们的优势,能用订阅账号)。
[*][b]喜欢按照人类的分工给 Agent 分角色,还把他们放在一个群聊里派工作(如 WorkBuddy、Accio)[/b]。
[/list]这也是惯性思维导致的错误做法。过去给人类分工,是因为每个人精力有限,只能精通部分专业;而以当前 AI 的智力,完全不存在这个问题。强行拆分角色,反而带来 Agent 之间沟通上的成本,浪费大量 Token。
更麻烦的是,当前模型是刻意朝着高指令遵循的方向训练的,一旦环节上的某个 Agent 产生了一个错误输出,整个团队很容易遵循错误指令被带偏。
[size=5]2. 我的解法[/size]
针对这些问题,我的解法是:
[list=1]
[*][b]金字塔型关系[/b]。一个 Leader 带一堆 Worker,Worker 之间不能通信,完全走 Leader 传话。由于 Leader 同时接收很多路信息,即使其中一个 Agent 发出了错误信息,也不容易被带偏。
[*][b]足够简单[/b]。只需要跟 Leader Agent 对话,就能开展工作,不需要复杂的配置。
[*][b]编排层泛化[/b]。不仅支持软件开发,其他任何场景也都能使用。
[*][b]简单直接的可观测[/b]。无论 Leader Agent 还是 Worker Agent,做了什么都能直接看到。
[*][b]完善的编排,不搞 Hack[/b]。这极大提高了整个 AgentTeam 的沟通效率,但缺点无法使用 Codex/Claude Code 订阅。这要等 DSH 自身支持了。
[*][b]人只做最后把关[/b],人的工作集中在需求本身,最终验收 PR。
[/list]经过多个版本迭代当前的 UI:
[img]https://s3.bmp.ovh/2026/11/16/ViDeshM3.png[/img]
左侧是和工作区平行的项目,每个项目绑定一个 Leader Agent;右侧是任务看板,展示进行中的任务。
[size=4]一般工作流[/size]
大部分情况下,我为了不污染 Leader Agent 的上下文,会首先和一个 Agent 反复聊,把需求聊明白,形成文档。
然后把文档扔给 Leader Agent ,由 Leader Agent 创建任务卡片,然后派 Worker 开发。
如果是编程类工作流,可以绑定 GitHub PR 流程。PR 是否合并由人决策,人一般不看代码,只在最后于 GitHub 网页上进行审核。
在这套工作流下,一个 Leader Agent 同时推进 15 个 Feature 并行开发游刃有余。
[size=4]任务卡片[/size]
任务卡片是一个很重要的设计。它承载了任务的上下文,哪些 Worker 负责执行任务。关键是任务卡片不需要人去写或者创建,而是交给了 Leader Agent。
[img]https://s3.bmp.ovh/2026/11/16/o208ZywV.png[/img]
[b]在人这侧[/b],是为了可观测性:
[list]
[*]任务标题,点击可以看到任务详情
[*]任务可以挂载链接,例如 PR 链接
[*]任务卡片可以挂在执行任务的 Worker Agent,点击可以下钻到具体 Session
[/list]这就保证了人的可观测性。任务也是灵活的,泛化的,不一定是编程任务,其他任务也可以用这套系统做流程编排。
[b]在 Agent 这侧[/b]:
[list]
[*]任务卡片的创建、修改、指派任务都是 Leader Agent 完成。
[*]Worker Agent 被指派任务时会指定角色,上下文直接会被 Harness 层注入任务详情,[url=http://SLOTS.md]SLOTS.md[/url] 中这个角色,Leader Agent 指派任务时的要求,可以直接开工。
[*]Worker Agent 完成任务时,Harness 层自动把消息回报给 Leader Agent,Leader Agent 会安排下一步
[/list]任务卡片作用是为了可观测性和 Agent 之间沟通。大部分时候,我都认为应该直接跟 Leader Agent 沟通。比如,我会经常直接跟它说:“汇报一下当前情况”,“有哪些需要我决策的”。
[size=4]配置及初始化[/size]
我非常推崇通过对话来初始化整个工作流,符合人的直觉,也不需要复杂的配置页。首次打开 Leader Agent 的 Session 会有一个卡片,引导用户和 Leader Agent 对话,对工作流进行初始化。
初始化的内容最终落在项目目录的 2 个文件里:
[list]
[*][b][url=http://LEADER.md]LEADER.md[/url][/b]:Leader 的角色定义,任务工作流如何编排。相关内容注入到 Leader 上下文中。
[*][b][url=http://SLOTS.md]SLOTS.md[/url][/b]:角色的定义。相关内容会注入到 Worker 的上下文中。
[/list]这 2 个文件既可以让 Leader Agent 修改,也可以手工编辑。
[size=5]3. 灵活性[/size]
这套多 Agent 编排系统,使用的是 Markdown 管理和注入,可以和其他组件配合使用。
例如,最近很多的 Pstack Skill 技能组,或者其他 Skill。你只需要在 [url=http://LEADER.md]LEADER.md[/url] 里给提示,Leader Agent 下达任务的时候,会让 worker 自己去加载 Skill。也可以在 [url=http://SLOTS.md]SLOTS.md[/url] 里,给 worker 的角色定义里,让 worker 去加载 Skill。
这也是我喜欢的一个设计,可以和现有 Skill 生态无缝融合。
[size=5]4. 智能涌现[/size]
当这套编排系统跑起来之后,我遇到了一个 Aha 时刻,Leader Agent 像是突然变聪明了,推进任务的时候极其专业——任务当前什么状态,要做什么,要回报什么结果,像极了一个专业的指导。
[img]https://s3.bmp.ovh/2026/11/16/CXX0po1O.jpg[/img]
回头来看,我猜是因为 Leader Agent 的上下文始终干净,没有被大量工具调用分散注意力,于是它能够站在更高的角度全局性的思考。
[size=5]5. 开源 DSH 插件[/size]
在 dsh 的插件管理中点添加,然后输入 dsh-leader-agent 安装。
项目源码:[url=https://github.com/fengshenx/dsh-leader-agent]https://github.com/fengshenx/dsh-leader-agent[/url]
欢迎使用和提出意见。喜欢的话,也帮忙点点 Star。
这套多 Agent 编排思路,部分参考了 Cursor Projects 和 pstack
⚠️内容来自互联网,如有侵权请点击反馈![url=source/plugin/aljreport/index.html]侵权投诉[/url]