AI的Agent三种协同工作方式

三种协同工作方式对比

方式1：任务委派（Task Delegation）

主Agent spawn子Agent 执行任务 返回结果 主Agent继续

特点：

一次性

：子Agent完成任务后结束

单向

：主Agent 子Agent 主Agent

适用

：明确的、独立的任务

示例：

sessions_spawn(

mode="run",           # 一次性执行

task="分析这个项目",

runtime="subagent"

)

使用场景：

数据分析

代码审查

文档生成

项目状态检查（刚才的演示）

方式2：持久协作（Persistent Collaboration）

主Agent 子Agent（持久会话） 主Agent

特点：

持久化

：子Agent会话保持活跃

双向

：可以多次交互

共享状态

：通过 workspace 文件交换信息

示例：

# 创建持久会话

sessions_spawn(

mode="session",       # 持久会话

sessionKey="agent-pm",

task="你现在是PM，负责需求管理"

)

# 后续交互

sessions_send(

sessionKey="agent-pm",

message="有新需求，请分析"

)

使用场景：

长期角色（如PM、CTO）

需要多轮对话

需要记住上下文

注意：根据 MEMORY.md，webchat 通道对mode="session"有限制，所以团队架构中固定员工采用mode="run"隔离运行。

方式3：团队决策（Team Decision）

主Agent 同时spawn多个子Agent 收集所有结果 综合决策

特点：

并行

：多个子Agent同时工作

多样性

：不同Agent提供不同视角

综合

：主Agent汇总结果做决策

示例：

# 并行启动多个分析

sessions_spawn(task="从技术角度分析", label="tech-analysis")

sessions_spawn(task="从商业角度分析", label="biz-analysis")

sessions_spawn(task="从用户角度分析", label="user-analysis")

# 等待所有结果返回后综合

使用场景：

复杂决策需要多维度分析

头脑风暴

方案对比评估

风险识别（不同角度）

对比表格

实际选择建议

用方式1（任务委派），当你需要：

“帮我分析这个数据”

“生成一个报告”

“检查一下代码”

用方式2（持久协作），当你需要：

“PM，跟踪这个项目的进度”

“CTO，持续监控技术架构”

长期角色扮演

用方式3（团队决策），当你需要：

“从技术、商业、用户三个角度评估这个方案”

“多个Agent一起头脑风暴”

“并行处理然后综合”