薄编排器:通过减少路由层职责,让 AI Agent 更可靠
摘要
Meta 工程团队分享其数据管道 Agent 的“薄编排器”架构:中央路由只做任务调度与可靠性检查,领域推理交给 14 个专家 Agent,以解决单体全能 Agent 因上下文过载而在生产环境中频繁幻觉的问题。
核心要点
- 薄编排器约 1,300 行代码,将 20 多个工作流路由到 14 个专家 Agent,自身不执行任何领域工作。
- 最初方案是单个 Agent 掌握全部领域知识、配置 schema、代码生成规则和 10 多个数据源的填充模式,但在生产中出现概念串扰和跨子系统误用。
- 替代的单 Agent 方案在逐任务人工编写提示词时成功率为 70% 到 80%,去掉人工提示后降至 10% 到 20%。
- 原文引用 Mount Sinai 的预印本称,在 80 任务批次中,编排式多 Agent 系统准确率为 65.3%,单 Agent 降至 16.6%,并将 token 使用量最多降低 65 倍。
- 该流程横跨 3 个代码仓库、3 种编程语言和最多 6 个流水线阶段,任一数据列接入都需要跨配置、后端服务和数据管道协同修改。
原文佐证
- We built a 1,300-line orchestrator that routes 20+ workflows to 14 specialized AI agents. It performs zero domain work itself. That s the point.
- Past a certain context threshold, additional knowledge degraded rather than improved performance.
- orchestrated multiagent systems held 65.3% accuracy at 80-task batches where single agents fell to 16.6%, while reducing token usage up to 65-fold.
AI 洞察
这标志着企业级 Agent 工程正从“更大模型加更长上下文”转向“任务隔离加职责边界”的系统设计。对横跨多代码库、多工具链的企业流程,薄编排能降低上下文干扰和调试成本,但会把复杂度转移到专家 Agent 的接口契约、版本管理和可观测性上。未来竞争点可能不在单个 Agent 多聪明,而在编排协议、评估体系与故障隔离能力。