执行摘要

编排是 harness 的发动机舱：它决定了谁来执行、以何种顺序执行，以及当某个步骤失败时会发生什么。它的范围涵盖了从运行循环的单个智能体（Agent），到由主管（Supervisor）协调的专业智能体集群。本章将编排定位为所呈现计划 (HRN-009) 与可靠执行之间的桥梁，并指出核心工程问题不是智能，而是持久性 (Durability)：长期运行、非确定性且存在局部失败的工作流必须在崩溃中幸存、干净地恢复，并且绝不能默默丢失或重复产生副作用。正确的默认选择是满足需求的最简单拓扑结构——编排中的复杂性是成本，而非美德。

核心概念

拓扑 (Topology)： 智能体的排列方式——单智能体、流水线、主管/工作者（Supervisor/Worker）或网络。
主管/编排器智能体 (Supervisor / Orchestrator Agent)： 负责规划并向工作者分派任务的智能体（参见 PAT-002）。
工作者智能体 (Worker Agent)： 执行分派的子任务的专业智能体（参见 PAT-005）。
路由 (Routing)： 根据状态选择下一个智能体、工具或分支。
状态机 (State Machine)： 管理执行的显式状态和转换图。
持久执行 (Durable Execution)： 对进度进行检查点记录（Checkpoint）且可恢复的工作流语义。
交接 (Handoff)： 将控制权和上下文从一个智能体转移到另一个智能体。

定义

编排 (Orchestration) 是在单个或多个智能体及工具之间执行计划的 harness 学科——包括选择拓扑、路由控制、协调状态，并保证在发生故障时实现持久的、次数完全正确的执行。

架构图

flowchart TD
    subgraph Durable Workflow Engine [持久工作流引擎]
      SUP[主管智能体] -->|分派| R{路由器}
      R -->|任务 A| W1[工作者：检索]
      R -->|任务 B| W2[工作者：代码/工具]
      R -->|任务 C| W3[工作者：起草]
      W1 --> AGG[聚合器/规约器]
      W2 --> AGG
      W3 --> AGG
      AGG --> SUP
    end
    SUP -->|检查点| ST[(持久状态存储)]
    ST -->|崩溃后恢复| SUP
    SUP --> OUT[已验证结果]

详细说明

拓扑选择 (Topology selection) 是第一个也是最具影响力的决策。对于大多数任务，带有工具的单智能体 (Single Agent) 是正确的默认选择：它成本最低、最易于观察，且协调失败模式最少。只有当任务确实能从中受益时，才考虑使用多智能体——例如当子任务需要不同的工具权限、不同的上下文窗口或并行的独立执行时。常见的拓扑结构包括：流水线 (Pipeline)（固定的阶段序列）、主管/工作者 (Supervisor/Worker)（PAT-002 + PAT-005：规划器向专家分派任务并进行聚合）以及网络/对等 (Network/Peer)（智能体之间自由交接）。协调成本随着拓扑自由度的增加而急剧上升；对等网络虽然强大，但最难实现可靠性、治理和调试。

路由 (Routing) 是控制流在系统中移动的方式。路由可以是模型驱动的（主管通过工具调用选择下一个工作者）、规则驱动的（状态机中的确定性转换）或混合型的。只要路径已知，首选确定性路由，因为它是可治理且可测试的；模型驱动路由则保留用于真正开放式的分支。将工作流编码为显式的状态机 (State Machine)——包括状态、允许的转换和守卫（Guards）——是编排中单项杠杆率最高的可靠性技术：它限制了行为空间，使系统可检查，并允许治理 (HRN-008) 将控制措施附加到转换上。

持久性 (Durability) 是区分演示（Demo）与生产系统的关键属性。智能体工作流通常运行时间较长（从几秒到数小时不等），会调用不稳定的外部工具，并且可能会在运行中途崩溃。持久执行引擎在每一步之后都会记录进度检查点，以便在发生故障时，工作流可以从上一个完成的步骤恢复，而不是重新启动。这需要严谨的副作用语义：具有副作用的工具调用必须是幂等的 (Idempotent)，或者由去重键（Dedup Keys）保护，以确保恢复执行时不会重复扣款或重新发送电子邮件。棘手的情况是非幂等的外部副作用；harness 通过 Saga 模式来处理它们——记录意图、执行、确认，并为局部失败提供补偿操作。

跨智能体的状态和上下文管理 (State and Context Management) 是多智能体系统容易丧失可靠性的地方。每次交接 (PAT-005) 必须精确传递工作者所需的上下文——太少会导致失败，太多则成本高昂且容易分散注意力。共享状态应当存在于具有明确所有权的持久存储中，而不是存在于自由漂浮的共享上下文窗口中。工作者输出的聚合需要一个具有冲突解决机制的显式规约器（Reducer），因为并行工作者会产生重叠或矛盾的结果。

最后，编排还负责并发和故障隔离 (Concurrency and Failure Isolation)。并行分支（由 HRN-009 的 DAG 计划公开）可以改善延迟，但需要背压（Backpressure）、跨共享工具的速率限制协调以及隔舱化（Bulkheading），以确保一个失败的工作者不会耗尽预算或阻塞其他兄弟节点。超时、熔断器和单个工作者的预算是编排层面的关注点，而不是应用层面的关注点。

生产实践证据

说明性/代表性场景。 证据级别：理论 · 置信度：中 · 来源：行业观察、个人经验。以下数字为代表性范围，并非来自单一验证部署的测量值。

背景： 一个用于回答复杂企业问题的研究与合成智能体。
场景： 主管分解问题，分派并行的检索/分析工作者，并聚合出带有引用的答案。
技术： 持久工作流引擎、主管/工作者拓扑、针对已知阶段的确定性路由器、副作用工具上的去重键。
负载： 并发的多工作者运行；每次运行持续数分钟，并伴有多次外部工具调用。
结果（代表性）： 与顺序执行相比，并行扇出通常能将实际耗时（Wall-clock Latency）降低数倍，而持久化检查点通过消除崩溃引起的完全重启，降低了运行失败率。其代价是更高的 Token 开销（更多的智能体、更多的上下文）以及增加的协调复杂性。

经验教训

大多数团队过早地采用了多智能体。可靠的演进路径是：先让单智能体正常工作，将其编码为状态机，增加持久性，然后仅在并行性或权限隔离能够抵消协调成本的地方，才拆分为多个工作者。

观察到的失败模式

失败模式	触发条件	缓解措施
重复的副作用	恢复执行时重新运行了非幂等步骤	幂等键 / Saga 补偿
崩溃时丢失进度	未进行检查点记录	持久执行引擎
交接时上下文丢失	工作者接收的状态不足	显式的类型化交接契约
协调死锁	工作者相互等待	有向无环路由、超时、主管仲裁
成本爆炸	递归/对等分派无限制	每次运行的智能体预算 + 分派深度上限
聚合冲突	并行工作者意见不一致	具有冲突解决机制的显式规约器
共享工具受限	工作者频繁请求同一个受速率限制的 API	集中式速率限制 + 背压

KPIs

指标	目标	备注
任务完成率	高	端到端，已验证
延迟 p50/p95/p99	最小化	并行化可改善 p50；长尾延迟主要受慢速工作者影响
恢复成功率	→ 100%	崩溃后成功恢复的工作流比例
重复副作用率	→ 0	幂等性正确性
单次任务成本	受限	限制智能体数量/深度/Token
吞吐量	随并发量扩展	受限于共享工具的速率限制

成本指标

Token 成本随着智能体数量和每个智能体的上下文而增加；对于相同的任务，多智能体的成本明显高于单智能体。
编排开销： 每次运行的主管规划 + 聚合推理。
持久性开销： 检查点写入（成本低）对比不重启失败运行所带来的巨大节省。

扩展特性

单智能体吞吐量可进行水平且无状态的扩展。主管/工作者拓扑可以并行扩展子任务，直至达到共享工具的速率限制，这构成了真正的上限。持久工作流引擎随着进行中（In-flight）工作流的数量而扩展；检查点存储和分发器（Dispatcher）是需要规划容量的组件。对等/网络拓扑的扩展性最差——协调开销和失败面随智能体数量呈超线性增长，这就是为什么受限的主管拓扑是企业默认选择的原因。

参考文献

Temporal / 持久执行工作流引擎（Saga 模式、工作流持久性）。
Anthropic, "Building Effective Agents"（单智能体优先、拓扑指南）。
LangGraph 以及针对智能体的状态机编排。

常见问题解答 (FAQs)

问：单智能体还是多智能体？ 答：默认选择单智能体。仅在并行性或权限/上下文隔离能够抵消协调成本时，才增加智能体。

问：为什么选择状态机而不是自由形式的智能体循环？ 答：状态机限制了行为边界、可测试，并允许治理将控制措施附加到转换上。自由形式的循环虽然强大，但难以实现可靠性或可审计性。

问：如何在重试时避免对客户进行重复收费？ 答：使具有副作用的工具调用具备幂等性（去重键），或者将它们包装在带有补偿操作的 Saga 中，并在一个支持恢复而非重启的持久引擎上运行。

编排