在智能体的设计过程中，我一直觉得现在的Coze，Dfiy等有一个设计缺陷，就是无法实现多智能体的组合。大模型的关系完全是一维线性的，比如下面这样
但实际在业务流中，更多的是多维的。每个子功能都交给一个智能体进行负责。多个智能体是可以并行工作，而且还有调度智能体存在，它的作用就是分配不同的任务到不同的智能体。
这个功能要说做也是可以的，用意图识别的功能也能勉强实现。但终归是和业务本来的形态差得有点远。
但没想到，这个想法在n8n上实现了。最近, n8n的更新很频繁，升級到1.103版本后，n8n增加了不少重要的更新，其中就包括多智能体
上图是一个翻译工作流，包含1个调度Agent，3个翻译Agent。在收到用户需求后，调度Agent判断该由哪个智能体来执行任务，或者是大家一起执行。
01
多智能体配置
多智能体工作流的配置关键在于这个调度Agent。在这个调度Agent中，分别包含Promt以及System Message。
其中Prompt里面包含了从上一个节点传递过来的参数。而最关键的是System Message。里面定义了调度Agent的具体行为
你是一个任务调度器，不需要亲自执行任务。只需要根据用户的需求找到适合执行任务的智能体，并把用户的需求分配给他
在这里content: 奥特曼宣布发布GPT-5模型，具备博士水平。是待翻译的原句。
need: 翻译成英文，法文，日文。 是这次翻译的需求。
在工作流执行的时候，明显看到三个翻译智能体都同时的开始工作。
如果把need参数改成翻译成日文。就只会有日文翻译Agent会工作，其他Agent则不会工作。
上面的工作流还可以继续扩展，在每个翻译Agent下，我都调用的是DeepSeek模型进行处理。其实还可以做到多模型的处理。
比如下面这样，新增一个Model Selector进行模型判断
在Edit field中新增一个参数用于大模型的类型判断
然后在Model Selector中指定模型个数为2个，并且给每个模型指定rule，这样就根据rule调用不同的模型。
这样在执行的过程中，就可以切换不同的大模型来进行处理
02
继续优化升级
上面的工作流，只下挂了一层的Agent。 但第一层的翻译智能体能不能既做翻译，也做调度呢？
完全是可以的，请看下图。在翻译Agen下，又接了一层Agent。分别接了2个Agent， 一个tiktok，一个是youtube。作用是根据翻译的主题，进行对应平台的文案编写，并发送到对应的平台。
首先在English这个Agent中，Prompt增加了发送平台的参数，这个参数在Edit field中设置好的
然后在System Message后增加调度的提示词
翻译完后，然后根据需要发送的平台来选择对应的Agent进行平台内容的生成, 并把output参数返回给调度Agent
并在English agent中增加了返回配置，返回带2个参数，一个是english参数，就是翻译后的英文，第二个就是tiktok，也就是tiktok文案。
最后在English Agent下挂上tiktok和youtube两个Agent
在tiktok的提示词如下。
写在最后 今天用一个简单的翻译工作流的例子，来讲解了n8n上多智能体的工作原理
这一套多智能体的实现方式可以去改造很多的场景。这种方式在工作流上更加的简洁，省去增加了N多的判断节点。
n8n上的这个功能创意非常的好，不知道后面coze等平台会不会跟进。
#AI #AI工具 #Agent #智能体 #n8n #多智能体 #大模型 #人工智能
本篇文章来源于微信公众号: 程序猿玩AI
文章评论