13 种多智能体编排模式：用响应式状态机取代 Agent 互发消息
bibryam · x · 2026-09-19
bradmurry.com 的长文系统梳理了真实系统里反复出现的 13 种多智能体编排模式，并逐一展示如何用「响应式 reducer」而非一堆互相发消息的 agent 来实现，每种都给出结构图、适用场景与失败点分析。
核心主张——多数 agent 编排天生非确定：由模型决定控制流（谁下一步行动、如何交接、何时结束），导致结果不可复现、体验不可靠、token 账单随对话长度膨胀。响应式 reducer 的解法是把模型从控制流中移除：
- context 是唯一事实源：所有产物与决策都是共享存储中的类型化字段，交接就是一次 context 写入，而非消息传递。
- agent 只通过写 context 推进状态机，唯一的杠杆是贡献一个值，从不请求状态转移。
- 微步循环自动触发第一条满足守卫条件的边直到机器停靠——持久化、有日志、可重启。
收益：执行路径就是声明式的边集合（可回放、可调试），用户看到的是机器按声明状态推进，token 成本由设计（verdict 枚举、maxIterations、从数据读取的重试预算）而非模型行为决定；同一套 FSM 既能在小型交互式 runner 中运行，也可在完整系统中使用。
「编程与Agent」频道最新
- 开发者用 Jev + search1api 打造免费开源搜索工具 Jev Search — gaganghotra_ · 2026-09-19
- Llama 3 在线 RL 栈核心作者加入记忆层初创 Merrai 任顾问 — misovalko · 2026-09-19
- Braintrust 集成 Jev： typed 决策模型可替代 LLM-as-a-judge — multiply_matrix · 2026-09-19
- Chrome 官方框架：如何为 AI Agent 设计有效的 WebMCP 工具 — gaganghotra_ · 2026-09-19
- 实测 24 小时烧 $3.40：Jev 会与 LLM 融合而非取代 — gaganghotra_ · 2026-09-19
- 26人团队提出ABC清单:Agent基准设计缺陷可致成绩误估高达100% — ddkang · 2026-09-19