模式矩阵 /模式白皮书/C1

C1 · Hierarchical Delegation · 层级委派

它解决什么问题

单个 agent 同时干查资料、写正文、配图、出报告，每一项都不专精，长流程里 context 还会越积越长。更隐蔽的问题是：当一个 agent 顺序处理多个子任务时，前面任务的执行细节会一直留在它的 context 里，跑到第三、第四个任务时推理质量就开始下滑。

层级委派把"一个全能 agent"换成"一个 supervisor 加多个专门 worker"。Supervisor 负责拆任务、监控进度、合并产出；每个 worker 只干自己擅长的一类活，跑在自己独立的 context 里。这样既让每一段工作由合适的模型和提示来处理，又把 supervisor 的 context 从执行细节里解放出来，让它专注协调。代价是 token 消耗成倍上升，所以它只适合任务价值能覆盖这个倍数的场景。

为什么坐标是「协作 × 层级」

• 纵轴 · 协作：这是真正的多 agent 角色分化——supervisor 和 worker 是不同的 agent，承担不同的职责，不是一个 agent 内部的工程抽象。Researcher、Writer、Visualizer 各自对应一种专业能力，这种按职业能力切分的分工是经典的多 agent 协作形态。
• 横轴 · 层级：拓扑是一棵树。Orchestrator 在上，多个 worker 在下，worker 之间不直接通信，要交换信息必须经过 supervisor。这是天然的层级结构，区别于并行的扇出聚合、对抗的评审循环、顺序的交接链。

核心机制

一次层级委派由三段组成：

1. 动态拆分：supervisor 根据具体输入决定拆几个 worker、每个 worker 干什么。研究 AI 行业和研究咖啡行业拆出的子任务结构不一样，拆分必须跟输入相关，不能写死。
2. 隔离执行：每个 worker 跑在独立 context 里，不继承 supervisor 的 history，只收到自己的 system prompt、具体的 task instruction、自己的 tool set。worker 之间能并行的尽量并行。
3. 中心化综合：supervisor 只看 worker 返回的结构化 artifact，不看 worker 的 raw trajectory，基于这些精炼摘要做整体判断和最终合并。

Supervisor 和 worker 通常用不同的模型。Supervisor 做拆分和综合，需要深度推理，用强模型；worker 做专门化执行，用更便宜的模型。这和 Plan-and-Execute 把 planner 与 executor 分家是同一套思路，只是从单 agent 内部扩展到了多个 agent 之间。

worker 返回的 artifact 建议至少三层结构：

适合的生产场景

• 专业分工明确的长流程任务：行业研究报告生成、投研分析、新药研发流程，每个环节需要不同专业能力。
• 批量同类任务的隔离处理：合同审阅、简历筛查、文档合规扫描，每份独立交给一个 worker，避免相互污染和 context 爆炸。
• 价值高到能覆盖 token 倍数的任务：多 agent 至少 2-3 倍 token 是常态，Anthropic 实测复杂研究任务可达 15 倍换 90% 胜率，只有高价值任务才划算。

容易出错的地方

• 有派工的形、没隔离的神：supervisor 看到 worker 的完整执行过程而不是 schema artifact，跑几个任务后 context 被前面任务的细节占满，推理质量断崖式下降。worker 必须 reduce 成结构化 artifact 返回。
• worker 之间直接通信：为了省事让 worker A 调 worker B，会把树结构变成网状结构，cascade failure 风险飙升。层级委派的本质是树，破坏树结构就是破坏隔离。
• worker 失败没有边界：一个 worker 抛异常没被捕获，supervisor 收到的是 raw exception 而不是 failure artifact，整个任务被打断。每个 worker 要有 timeout 加异常包裹。
• 并行 worker 数量过多：超过 5 个并行 worker，supervisor 综合时会出现取舍困难，第 6 个 worker 的边际价值开始下降。复杂度上限不在算力，在模型综合的认知带宽。
• Collaboration Light 场景误用：如果系统里并没有真正的多种角色，只是工程层面的抽象切分（比如同一个 agent 换几个 prompt），不该套层级委派。它要求真有专业分化的多个 agent。

关键指标

• 协作开销占比（健康区 < 30%）：supervisor 和 worker 来回通信消耗的 token 占总 token 的比例。超过一半说明真正干活的预算所剩无几，要让 artifact 更严格地 schema 化、协作消息走轻量 channel。
• worker 失败级联率（健康区 < 5%）：一个 worker 失败拖垮其他 worker 的概率。这是最该优先压的指标，它高了会带动其他三个指标一起恶化。
• artifact 合规率（健康区 > 95%）：worker 返回符合 schema 的比例。worker 偶尔输出自由文本绕过 schema 会触发重派和延迟。
• token 倍数（健康区 < 5×）：多 agent 比单 agent 多花的 token 倍数。15× 是高价值任务的可接受上限，普通业务 5× 已经偏高，不匹配就退回单 agent。

最小骨架

SupervisorAgent.execute(task):
    plan = decompose(task)              # 动态拆分,跟输入相关
    artifacts = 并行 gather(            # 并发上限设 5
        IsolatedSubAgent(worker).execute(subtask)
        for worker, subtask in plan
    )
    return synthesize(task, artifacts)  # 只看 artifact,不看 raw trajectory

IsolatedSubAgent.execute(subtask):
    本地 messages = [system_prompt, subtask]   # 不继承 parent history
    try: raw = wait_for(llm(messages, tools), timeout)  # 失败 boundary
    except: return Artifact(verdict="failure", ...)
    return reduce_to_artifact(raw)      # 强制压缩成 verdict/findings/confidence

四个工程要点：每个 worker 独立 context 起跑；worker 强制 reduce 成 schema artifact；每个 worker 用 timeout 加异常包裹隔离失败；用信号量控制并发上限，worker 之间不共享 state。

企业落地一例

某律所的合同审阅 Agent，第一版主 agent 派 sub-agent 扫描 50 份合同找异常条款，sub-agent 跑完把每份 3000 字的详细分析全部回传，主 agent 接到 15 万字后 context 完全爆炸，后续推理质量断崖式下降。工程团队复盘后想清楚一件事：主 agent 不该看 sub-agent 的 raw 工作过程，只该看结论——就像律所的 PM 不会要求每个律师汇报每份合同读了哪一行，只看"50 份里有 3 份异常加它们的关键问题清单"。第二版给每份合同分配一个独立 worker，每个 worker 跑在隔离 context 里，返回前必须 reduce 成固定 schema 的 artifact（contract_id、risk_level、top_3_concerns、recommendation，外加 contract_hash 防篡改）。50 份合同的 artifact 加起来不到 1 万字，主 agent 看着轻松。配套的工程纪律还包括：HIGH 以上风险合同强制进律师 review 队列，不允许 agent 自动放行；每个 worker timeout 收紧到 180 秒，失败时返回 failure artifact 而不是炸掉全局；portfolio report 落文件作为审计留痕。改完之后 50 份合同 1 小时跑完，15 万字爆炸的故事不再发生。

与其他模式的关系

• 子代理隔离（C5）：实现核心。层级委派是招式（supervisor 派 worker），子代理隔离是内功（worker 隔离 context 加 schema artifact 加失败 boundary）。没有隔离的层级委派必定 context 爆炸加 cascade failure，两者必须配套。
• 扇出聚合（C2）：同为一对多，但分工逻辑不同。层级委派是一对多分专业（每个 worker 干不同的事），扇出聚合是一对多分量（多个 worker 同时干同一类活的不同部分）。
• 交接链（C4）：层级委派有 supervisor 作为稳定锚点，交接链没有主管、每一棒都是 peer。
• Plan-and-Execute（行动模块）：层级委派是它在多 agent 层的扩展，把"一个 agent 内 plan-execute 分家"扩展成"多个 agent 分家"。

一句话记住它

层级委派的本质不是把任务拆开派出去，而是把人类金字塔组织 50 年沉淀的信息分层纪律编码进 agent 系统——supervisor 只看下一层的精炼结论，是这套纪律的工程载体。

本页属于 ADPS 33 模式白皮书。返回 模式矩阵与白皮书目录， 或查看配套 可运行代码目录。