夜雨聆风第四阶段：多 Agent 编排
“周期：工作日 30-45 分钟 + 周末 2-3 小时核心思想：让多个 AI 分工协作，按难度路由，控制成本
一、学习目标
理解 MOE（混合专家）架构的核心思想：路由 + 专家分工 掌握难度路由与成本控制的实践方法 能设计和实现多种多 Agent 协作模式（协调器-Worker、Pipeline、并行） 搭建一个三 Agent 协作实战系统
二、学习内容与时间安排
MOE 架构与路由
学习内容
▸ 多 Agent 架构总览
理解四种模式的适用场景 — 单 Agent vs 多 Agent vs MOE vs Agent-Skills → 产出：画出四种架构对比图
▸ 协调器-Worker 模式
Orchestrator 负责任务拆解，Worker 负责具体执行，理解分治思想 → 产出：用文字描述一个客服场景的协调流程
▸ MOE 混合专家架构
Router（路由器）+ Expert（专家）两层结构，理解"门控"机制 → 产出：画出 MOE 架构数据流图
▸ Kode AI MOE RouterProvider
学习如何配置多个 Provider，注册路由规则 → 产出：配置一个 mini + pro 双模型路由
▸ Neuron DifficultyRule 难度分类器基于 LLM 评分自动判断问题难度，微秒级分类 → 产出：实现按问题难度自动选择模型
▸ 周末实操：难度路由 Demo
→ 产出：搭建一个能自动切换 gpt-4o-mini / gpt-4o 的问答系统
▸ 成本控制策略
Token 配额 + 模型降级 + 结果缓存，理解生产环境成本管理 → 产出：制定一份成本控制方案
配套视频与资料
📺 LangChain + LangGraph 企业级 Agent 实战
链接：https://www.bilibili.com/video/BV1wwZMBTETQ
看点：单/多 Agent 架构区别、State 管理、Agent 交接、MCP 协议全覆盖（前几集）
时长：~15h（看前 1/3）
📺 Agent Skills 教程（2026版）
链接：https://www.bilibili.com/video/BV1Pd7P6AEdz
看点：Multi-Agent vs Agent Skills 架构对比，理解何时用哪种模式
📄 Kode AI Agent 文档
链接：https://github.com/kodephp/ai-agent
看点：MOE 路由 + 多 Agent 支持的官方配置说明
时长：阅读 20min
📄 Neuron AI DifficultyRule 文档
链接：https://github.com/neuron-ai/neuron
看点：难度分类器的配置说明
时长：阅读 15min
📄 php-llm/llm-classifier
链接：https://github.com/php-llm/llm-classifier
看点：文本分类工具，可用于意图识别
时长：阅读 10min
编排模式与实战
学习内容
▸ Pipeline（流水线）模式
A → B → C 依次执行，前一个 Agent 的输出是后一个的输入 → 产出：设计一个"意图识别→数据查询→回复生成"三步流水线
▸ 并行模式（Fan-out）
多个 Agent 同时处理不同任务，结果汇总
产出：设计一个同时查库存 + 查物流 + 查订单的并行流程
▸ Orchestrator-Workers 完整实现
协调器拆解任务 → 分发给不同 Worker → 汇总回复
产出：实现售后 Worker + 营销 Worker + 客服 Worker
▸ Agent 间上下文传递
理解 State 管理、消息格式统一、中间结果合并
产出：定义 Agent 间通信的"协议"
▸ 多 Agent 调试与监控
日志追踪、每步 Token 消耗、成功率统计
产出：搭建一个简单的调用链追踪
▸ 实战项目：三 Agent 协作系统
产出：完整的售后+营销+客服三 Agent 系统
▸ 阶段复盘 & 路线图回顾
产出：梳理四层知识体系，输出学习笔记汇总
配套视频与资料
📺 全 748 集 Agent 教程 — 多 Agent 篇（第 63-83 集）
链接：https://www.bilibili.com/video/BV1MNE965Eu6
看点：LangGraph 编排、CrewAI 多 Agent 协作、AutoGen 实战
时长：~20h（看 63-83 集）
📺 最全 AI 智能体搭建教程 — 多 Agent 案例
链接：https://www.bilibili.com/video/BV1CXfRBrEdZ
看点：AutoGen / CrewAI / Swarm 三大框架对比，适合理解选型
时长：~15h（看对比部分）
📄 用 Laravel AI SDK 构建多智能体工作流（文字）
链接：https://segmentfault.com/a/1190000047654763
看点：5 种编排模式全部用 PHP 实现：Pipeline / Fan-out / Orchestrator / Evaluator / Skill
时长：阅读 15min
📄 LangGraph 官方文档
链接：https://langchain-ai.github.io/langgraph
看点：了解 StateGraph 设计思想（Python，但架构通用）
时长：阅读 20min
“💡 观看策略：Python 视频看架构概念，PHP 实现看 Laravel AI SDK 文章和 Kode AI / Neuron AI 文档。不要试图看完所有视频——按"先看架构总览→选一个深入→转到 PHP 实现"的路径走。
三、学习重点与难点
重点
MOE 路由机制：RouterProvider + DifficultyRule 的配置与调优 Orchestrator-Workers 模式：任务拆解 → 分发 → 合并的完整流程 Pipeline 模式：多个 Agent 串行协作的上下文传递
难点
难度阈值调优：easy / medium / hard 的边界如何划定，需要根据业务数据反复调试 Agent 间上下文泄漏：协调器向多个 Worker 分发任务时，如何保证各 Worker 只看到"需要知道"的信息 成本 vs 效果平衡：用便宜模型省钱但可能降低质量，用贵模型效果好但成本高——需要找到平衡点 调试复杂度：多 Agent 比单 Agent 多了一条调用链，出问题时需要逐环节排查
四、实战项目详解：三个Agent 协作系统
场景说明
一个电商平台的后台 AI 助手，需要同时处理三类请求：
客服 Agent：回答商品咨询、退换货政策、优惠券使用等 售后 Agent：处理退款申请、物流异常、投诉升级 营销 Agent：生成促销文案、推荐商品组合、分析购买趋势
工作流程
用户提问 │ ▼协调器（Orchestrator） ├── 判断意图类型 ├── 简单问题 → 直接回复（gpt-4o-mini） ├── 客服问题 → 转发客服 Agent（gpt-4o） ├── 售后问题 → 转发售后 Agent（gpt-4o + 工具调用） └── 营销问题 → 转发营销 Agent（gpt-4o + 工具调用） │ ▼汇总回复并返回产出物
协调器类（Orchestrator） 三个 Expert Agent 类 路由规则配置 多轮对话测试记录
五、第四阶段与其他三层的关系
第一层（模型调用） ← 多 Agent 中每个 Agent 仍然需要调 API，基础 ↑第二层（Agent 构建） ← 多 Agent 中的每个子 Agent 就是一个独立的 Agent ↑第三层（RAG 知识库） ← 多 Agent 中的某些 Agent 可能需要检索知识库 ↑第四层（多 Agent 编排）← 把前面三层的成果组装成协作系统“⚠️ 不要跳层：第四层依赖前三层的基础。如果前两层（模型调用、Agent 构建）还没扎实，多 Agent 编排时每个 Agent 写不出来，协调逻辑再漂亮也无法落地。
