用的是扣子平台。

多Agent模式其实就是把一个复杂的任务拆分成多个简单任务，每个任务由一个单Agent完成。

最近两年，大家都可以看到AI的发展有多快，我国超10亿参数的大模型，在短短一年之内，已经超过了100个，现在还在不断的发掘中，时代在瞬息万变，我们又为何不给自己多一个选择，多一个出路，多一个可能呢？

与其在传统行业里停滞不前，不如尝试一下新兴行业，而AI大模型恰恰是这两年的大风口，整体AI领域2025年预计缺口1000万人，其中算法、工程应用类人才需求最为紧迫！

学习AI大模型是一项系统工程，需要时间和持续的努力。但随着技术的发展和在线资源的丰富，零基础的小白也有很好的机会逐步学习和掌握。【点击蓝字获取】

【2025最新】AI大模型全套学习籽料（可白嫖）：LLM面试题+AI大模型学习路线+大模型PDF书籍+640套AI大模型报告等等，从入门到进阶再到精通，超全面存下吧！

这是第一个多Agent案例，我们可以叫它**资讯助手，**包含4个Agent

• 任务规划Agent：负责与用户交流，分配具体的任务
• 联网搜索Agent：对用户的问题，使用必应搜索相关结果，总结要点
• 脑图生成Agent：将给定内容按照层级结构组织，并用脑图展示
• 内容总结Agent：总结上下文，生成报告，保存为PDF

现在我想了解关于 GPT-4o 的相关内容，就可以用它

这里就会触发联网搜索Agent，搜索、整理相关内容。

为了阅读更方便，我们可以让它将内容组织成思维导图

也可以生成PDF报告

通过资讯助手，整理资料就变得非常方便、快捷。

资讯助手 其实是一个非常简单的多Agent智能体。所以，有的朋友看完可能会有这样的疑问：

它跟工作流有什么区别？dify和扣子都支持工作流，工作流只能接受一次输入，从开始节点执行到结束节点返回结果。而多Agent模式，可以进行多轮对话，并且每次执行的节点不固定。

它跟单Agent有什么区别？上面这些功能确实也可以整合到一个Agent中，而多Agent模式优势在于你可以深度定制每个Agent的prompt，可以让它更专业。就像公司招人更倾向招多个专业人才，而不是一个全才。

我们在使用 资讯助手 的时候，如果其中某个Agent被触发时，所在的Agent只会进行一次对话。

而下面这个多Agent智能体，触发某个Agent时会进行多轮对话。

这是一个职业规划助手，包含3个Agent，从第一个MBTI性格测试Agent开始触发，它会问你4个问题，所以要跟它对话4次

根据你的回答，确定你的性格，之后，会依次触发后两个Agent，后两个Agent也是多轮对话。所以，这个多Agent案例就复杂一些。

开发了这俩智能体，老渡有些心得想跟朋友们分享一下。

首先是开发AI应用的不确定性比较高。这个不确定性并不是指前景不确定，而是结果不确定。比如，在我们心里1+1永远等于2，但到了大模型那里就不好说了，很可能它告诉你1+1=3。

尤其是多Agent模式下，不确定性会进一步增高。但这也不用太担心，一次运行不满意，就多试几次，反正大模型也不知道累。千万不要因为某次失败，就觉得“AI不行”，而直接放弃。

再就是，要实现复杂的多Agent协作对平台要求极高，至少目前老渡还没有看到这样的平台。

比如：我们之前分享AI程序员，里面有产品经理、架构师、程序员、测试各种角色，在现实中他们之前的关系错综复杂，现有平台上的几条连接线根本无法表征这种关系。

当然，我们也不用着急一口吃成胖子，至少目前大家普遍认可Agent比只用LLM更有效，路在脚下，我们一步一步来。

最近两年，大家都可以看到AI的发展有多快，我国超10亿参数的大模型，在短短一年之内，已经超过了100个，现在还在不断的发掘中，时代在瞬息万变，我们又为何不给自己多一个选择，多一个出路，多一个可能呢？

与其在传统行业里停滞不前，不如尝试一下新兴行业，而AI大模型恰恰是这两年的大风口，整体AI领域2025年预计缺口1000万人，其中算法、工程应用类人才需求最为紧迫！

学习AI大模型是一项系统工程，需要时间和持续的努力。但随着技术的发展和在线资源的丰富，零基础的小白也有很好的机会逐步学习和掌握。【点击蓝字获取】

【2025最新】AI大模型全套学习籽料（可白嫖）：LLM面试题+AI大模型学习路线+大模型PDF书籍+640套AI大模型报告等等，从入门到进阶再到精通，超全面存下吧！