最近抽时间做了一件挺有意思的事：用多智能体（Multi-Agent）的方式，搭建了一个模拟互联网公司协作流程的 AI 编排系统。

先说说为什么想做这个。现在单次 LLM 调用的能力已经很强了，但真正落到实际工作中，你会发现几个痛点：一次性输出缺少迭代打磨、缺乏角色视角导致内容泛化、没有质量控制机制。而多智能体编排，恰恰能解决这些问题。

设计思路：模拟真实团队协作

我想象了这样一个场景——输入一句模糊的产品需求，系统里三个 AI 角色自动协作，输出一份完整的 PRD 和项目计划。

三个角色的设定是这样的：

  • Amy —— 总架构师，负责分发任务、审核质量、控制流程
  • Sam —— 产品经理，从模糊需求中提炼 PRD
  • Tom —— 项目经理，基于 PRD 制定可落地的项目计划

协作流程也很直接：用户输入需求 → Amy 给 Sam 派活 → Sam 写 PRD → Amy 审核（不通过就打回修订） → Amy 给 Tom 派活 → Tom 写计划 → Amy 审核 → Amy 最终总结。

就这样，一条完整的交付链路就跑起来了。

遇到的第一个坑：CrewAI 装不上

说点实际的。我最初是想用 CrewAI 框架来做的，毕竟专业的事情交给专业的工具。结果遇到了一个尴尬的问题——我的 Python 版本是 3.14.3，CrewAI 依赖的 numpy<2 没有对应的预编译 wheel，Windows 上又缺 C 编译器，从源码构建直接失败了。

卡了一阵之后，决定自己用 OpenAI SDK 手搓编排逻辑。事实证明，核心编排代码也就一两百行，反而对整体流程有了更深的掌控。

架构设计

系统分四个层次：

main.py（入口） → crew.py（编排） → tasks.py（任务） → agents.py（Agent 定义）
                                                          ↓
                                                   DeepSeek API

每个层次各司其职，agents.py 定义角色身份和系统提示词，tasks.py 实现具体任务函数，crew.py 编排完整的审核-修订闭环，main.py 作为入口调度一切。

关键是这个审核-修订闭环。Amy 的审核输出必须包含 [决策]APPROVED 或 [决策]REVISE 的结构化标记，系统解析这个标记来决定是放行还是打回重做，最多允许 3 轮修订。这模仿了真实工作中的评审机制——不是一次性交付，而是多轮打磨。

几个有意思的案例

系统完成后我跑了三个案例来验证效果：

案例 1：AI 代码审查工具

输入”一款给研发团队用的AI代码审查工具”。Sam 给出的 PRD 把目标用户细分为后端开发、前端开发、Tech Lead、QA 四类，P0 功能定位在自动 PR Review、代码规范检查、安全漏洞扫描。Tom 的项目计划排了 6 个 Sprint，从 AST 解析引擎一路迭代到 CI/CD 集成。一次通过审核。

案例 2：企业内部知识库搜索

输入”企业内部知识库AI搜索工具”。Sam 区分了三类用户场景，Tom 选择了 Milvus + Embedding 的技术栈，4 个 Sprint 排期合理。一次通过。

案例 3：钉钉 CLI + Hermas 智能机器人（含乱码）

这个案例最有趣。输入”使用钉钉cli+hermas做个智能机器人”后，Windows 控制台把中文给截断了，Sam 接收到的主题变成了乱码。但它居然根据上下文推断出用户意图，把 hermas 解读为 Hermes（消息队列框架），输出了一份 Hermes CLI 管理与监控工具 的 PRD。虽然猜测方向可能有偏差，但这种”容错推理”能力着实让我意外。

Tom 的计划也很专业——选型 Go + Cobra CLI + bubbletea，4 Sprint / 8周，20+ 个工作包的 WBS 分解，5 个风险项加应对策略。同样一次通过。

三个案例全部一次过审，说明在目前的 prompt 设计下，Sam 和 Tom 的输出质量已经比较稳定了。

总结几点体会

第一，多智能体的价值在于”审核-修订闭环”。 单次 LLM 调用做不到的事情，多轮迭代打磨可以做到。这不是技术上的革命，而是流程上的优化。

第二，角色专业化确实有效。 当每个 Agent 专注于自己的领域时，输出质量明显高于一个通用的提示词让它一次性完成所有工作。Amy 的严格审核视角、Sam 的产品思维、Tom 的执行视角，各自不可替代。

第三，框架不是必需品。 虽然最初想用 CrewAI 没成功，但自己手写编排逻辑反而让整个系统的控制力更强。如果 CrewAI 能支持 Python 3.14，我会再用它试试，但自己写的这套也能打。

第四，AI 的”容错推理”能力比想象中强。 输入含乱码时，Agent 能根据不完整信息推断用户意图，这让我对 AI Agent 的实际落地更有信心了。

完整代码在 crewai_scenario/ 目录下，有兴趣的可以直接跑起来试试。