教程人工智能大模型【免费下载链接】ai-engineering-from-scratch-zhAgent工程师最全学习路径 · 从零精通 AI 工程 · 20 阶段 503 课 · 中文全量翻译 配套站点 动画讲解视频 · 如何成为 AI Agent 工程师的修成指南项目地址https://gitcode.com/gh_mirrors/ai/ai-engineering-from-scratch-zh点击查看免费下载ai-engineering-from-scratch-zh是一套从零精通 AI 工程的中文课程系统20 阶段 503 课其中 阶段 16「多 Agent 与群体」 是学习多智能体系统设计的核心模块。本文带你用一篇看懂三件大事Supervisor 编排怎么做、共识投票怎么防坏票、PSO/ACO 蜂群优化怎么落地并给出新手可直接上手的课程路径。为什么要多智能体单 Agent 的三个天花板 单个 Agent 就是一个循环、一个上下文窗口。它会在三处撞墙上下文饱和读 50 个文件就冲破 200k token第 5 轮读到的关键细节被冲掉角色混乱一条 system prompt 既要当研究员又要当程序员和评审结果样样半吊子串行瓶颈能并行的活儿只能一个接一个干只要任务需要「更大上下文、不同专长、并行执行」中的任意一项就该拆成多个 Agent。这一判断框架在 01-why-multi-agent 课程 中讲得很透还配有单/多 Agent 对比演示 single_vs_multi.ts。Supervisor 编排模式多智能体系统的推荐第一步 Supervisor也叫 Orchestrator-Worker模式是一个 lead agent 负责规划、分派、综合专精的 worker 在全新上下文窗口里并行干活、再汇报。05-supervisor-orchestrator-pattern 课程 是这一模式的入门必读其中用 Python 标准库实现了管 3 个并行 worker 的完整示例code/main.pylead 拆解查询 → worker 并发执行 → lead 综合能直观看到墙钟时间从「3 段相加」变成「取最长一段」outputs/skill-supervisor-designer.md输入一个查询直接产出 supervisor 设计文档lead prompt、worker 角色、拆解规则、综合模板Supervisor 为什么赢三个机制每个 subagent 全新上下文worker 不背 lead 规划时花掉的 token一个子问题独享完整窗口靠 prompt 实现专精聚焦的 prompt 产出聚焦的输出并行总耗时 ≈ 最慢的 worker 规划 综合而非全部相加部署前检查清单生产级要点检查项做法模型搭配lead 用推理档强模型worker 用更快更便宜的模型worker 超时超过中位时长 2 倍即杀掉重新派生或跳过token 上限给每个 worker 设硬预算防止烧穿整体成本冲突处理两个 worker 答案矛盾时显式记录分歧绝不悄悄选一边可观测性追踪 lead 计划、每个 worker 的工具调用和综合结果一个常见误区串行任务别用 supervisor——如果第 2 步必须用第 1 步的输出并行买不到任何收益。想更进一步06-hierarchical-architecture 课程 讲嵌套 supervisormanager 管 sub-manager并复盘了「任务分配错误、输出误读、共识循环」三大故障模式。共识与拜占庭容错为什么多数投票不够可靠 ️多数投票挑错了可能不是模型笨而是票是相关的两个跑同一基础模型的 agent 共享同一批故障模式再加上一个故意说谎的 agent「多数」就成了假多数。14-consensus-and-bft 课程 把经典分布式系统的 BFT拜占庭容错撞上随机的 LLM梳理了三种 LLM 专属攻击拜占庭谎言某个 agent 故意输出错误答案谄媚从众agent 先读别人答案再跟最后发言的人对齐——不恶意但通过了所有签名检查相关误差单一栽培三个 agent 共享基础模型一起「诚实地」幻想出同一个错误答案最小可用共识协议课程的 code/main.py 实现了三种聚合器相对多数、置信度加权 CP-WBFT、几何中位数聚合并注入上述三种攻击运行后直接输出一张「攻击 × 聚合器 → 最终答案」的对照表python3 phases/16-multi-agent-and-swarms/14-consensus-and-bft/code/main.py关键结论共识保证的是「一致」不是「正确」。生产上前端要再挂一个独立于集成的 verifier并对每个少数簇做溯源记录——少数簇是相关误差的预警系统。配套实践项目 multi-agent-code-review-panel 让你亲手搭一个「审查分歧工作台」多个审查者独立标记问题用法定票数quorum过滤误报再衡量共识到底提升了精确率还是掩盖了发现。这正是共识机制在真实工程中的样子。投票与辩论拓扑选对协作结构避开协调税 ️「跑 5 个 agent 然后投票」的团队往往比单 agent 还差——失败不是随机的它和拓扑强相关。15-voting-debate-topology 课程 绘制了拓扑地图四种结构各有主场拓扑适用场景Star中枢辐射快答事实类任务中枢做过滤整合Chain线性链逐步精炼的流水线Tree树形层级任务本身就是组织结构图Graph全连接研究型任务agent 可互相批判两条经验值得刻在脑子里协调税Graph 拓扑超过约 4 个 agent 后成本和时延增长快于质量提升异质性 数量把 N 个 agent 里的一个换成不同基础模型收益往往比 N 加 1 还大——三个不同模型打得过同一模型的五份拷贝蜂群优化PSO 与 ACO 在 LLM 时代的第二次生命 prompt 无法反向传播强化学习太贵——19-swarm-optimization-pso-aco 课程 给出第三条路经典生物启发优化。PSO粒子群优化每个粒子是一个候选输出「速度」是一条描述如何修改的 prompt由 LLM 生成下一个候选。适合输出可解析、适应度可自动评估的场景跑测试、算术求值群体保持 10–30 个粒子ACO蚁群优化信息素矩阵记录「哪个 agent 在哪类任务上表现好」路由器读信息素做分派质量门控保证「快但错」的 agent 积累不了信息素。研究显示可解释的路由证据 最高 4.7 倍加速动手部分用标准库实现了 LMPSO 数值版和 ACO 路由模拟器运行即可看到 g_best 收敛曲线和信息素轨迹的形成过程。配套项目 skill-router 则是一个完整的路由器练习场按关键词、路径、权限给技能打分输出带理由的路由决策——信息素路由在工业系统里的简化形态。新手学习路径从 Phase 16 开始动手 建议按以下顺序推进每课约 60–75 分钟代码均只用 Python/TypeScript 标准库python3 code/main.py即跑为什么需要多 Agent—— 建立「什么时候该拆」的判断力Supervisor 模式—— 第一个要会的编排模式层级架构—— 以及它何时会塌缩共识与 BFT—— 多 agent 系统的「防坏票」机制投票与辩论拓扑—— 选拓扑、控轮数、测协调税蜂群优化—— 无梯度优化与智能路由想练完整项目可继续 research-report-agent带引用核查的研究流水线和 multi-agent-code-review-panel共识审查工作台完整课程索引见 ROADMAP.md。总结Supervisor 编排是多智能体系统的默认起点lead 规划综合、worker 全新上下文并行记得给超时、token 上限和冲突处理留预算共识机制要防的是相关误差和谄媚从众而不只是坏节点——一致 ≠ 正确共识后面必须挂验证器拓扑决定成败超过 4 个全连接 agent 协调税就来了换异质模型比加数量更划算PSO/ACO是 prompt 优化与 agent 路由的低成本无梯度方案前提是适应度便宜且可自动评估赞分享教程人工智能大模型【免费下载链接】ai-engineering-from-scratch-zhAgent工程师最全学习路径 · 从零精通 AI 工程 · 20 阶段 503 课 · 中文全量翻译 配套站点 动画讲解视频 · 如何成为 AI Agent 工程师的修成指南项目地址https://gitcode.com/gh_mirrors/ai/ai-engineering-from-scratch-zh点击查看免费下载相关推荐ruflo hive-mindQueen 主导的共识式多智能体蜂群协调系统实战指南ruflo hive mindQueen 主导的共识式多智能体蜂群协调系统实战指南 本文围绕 ruflo 仓库中 hive mind 命令文档展开系统讲解人工智能AI Agent多智能体Agent 编排Agent 记忆工具调用代码智能体MCP 服务AI 评测10分钟出EFIOpCore Simplify 黑苹果 OpenCore 启动配置一键构建指南10分钟出EFIOpCore Simplify 黑苹果 OpenCore 启动配置一键构建指南 OpCore Simplify 是一款开源的黑苹果 EFI 一开发工具CLI蜂群优化博客用群体智慧打造你的个性化笔记系统蜂群优化博客用群体智慧打造你的个性化笔记系统 你是否曾在管理大量笔记时感到力不从心是否希望笔记系统能像蜂群一样高效协作、自我优化本文将带你探索如何利用hv桌面应用CMS前端创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考