模式矩阵 /模式白皮书/C2

问题

有些任务由单 Agent 顺序执行无法满足业务窗口，例如季报披露前的大批量财务文档扫描。前提是各分片能够独立处理，并且最终结果可以可靠聚合。

扇出聚合将大任务切分为可独立执行的子任务，并行分发给 N 个 sub-agent。token 成本通常随 Worker 数量增加，wall-clock 时间则可以缩短。多个 Worker 的输出可能重叠或冲突，Aggregator 需要执行去重、概念归一和冲突消解。

坐标说明：协作 × 并行

• 纵轴 · 协作：这是把一个任务拆给多个 sub-agent 并行做再汇总，分发的实体是不同的子任务，属于多 agent 协作拓扑。区别于推理模块的并行探索——后者并行的是同一道题的多条解法（推理策略），前者并行的是切给不同 agent 的不同子任务（协作拓扑）。
• 横轴 · 并行：N 个 sub-agent 同时跑、互不知情，最后统一 gather，是经典的 map-reduce 式并行结构。不是顺序串联，也不是循环迭代。

解决方案与机制

一次扇出聚合由三段组成：

1. 切分扇出：按语义独立性将大任务切成 N 份并行分发。子任务之间不能存在输出依赖；存在顺序依赖时应使用交接链。
2. 隔离执行：每个 sub-agent 跑在独立 context 里完成自己的子任务，互不通信。隔离强度跟输出冲突可能性成正比——各查不同语料的研究任务用软隔离就够，多 agent 改重叠文件的写代码任务要用物理隔离（独立 Git worktree 或独立容器）。
3. 聚合收回：用聚合策略把 N 路结果合并。聚合没做对，全套链路就不成立。

Aggregator 至少处理以下五项：

适用场景

• wall-clock 时间紧迫的批量任务：季报合规扫描、大规模文档审查、批量投标书评审，总时长是硬瓶颈、子任务彼此独立。
• 可按语义独立切分的研究任务：跨多个语料源的并行查证，每个 sub-agent 各查一类内容，输出几乎不冲突。
• 多 Agent 并行写代码：UI、API、数据库和测试由独立 Agent 处理，并用 worktree 隔离文件与提交，最后统一集成验证。

适用条件包括：子任务可独立执行、wall-clock 时间是主要约束，并且业务能够承担 N 倍 token 成本。

已知失效方式

• 子任务有强依赖还硬切：worker 之间需要交换中间状态、或必须按顺序看才能识别演化轨迹的任务，扇出会把顺序依赖强行拍平成并行，gather 阶段要花大量工作重新建立依赖关系。这种场景应该用交接链。
• 聚合比执行还贵：aggregation 投入不够时，扇出只是把瓶颈从时长挪到质量。如果业务没有工程精力做去重、冲突消解、跨切整合，就不该开扇出。
• 聚合瓶颈：worker 数 N 增加时，aggregator 要读完所有 worker 输出，context 撑爆、质量直线下降。N 大时 aggregator 要分层做（先分组 sub-aggregation，再最终综合），把 context 压力压到对数级。
• 切片按职能切而非按冲突切：按"职能最齐全"切（前端/后端/算法/测试各一组）会导致集成阶段天天解冲突；按"输出冲突最小化"切才对。扇出拓扑应该 mirror 业务团队真实的协作拓扑。
• 隐式 batch 削并发：应用侧发起多路调用时，provider 可能排队或 batch，实际并发低于配置值。扇出实现需要测量真实吞吐并与 provider 限制对齐。

验证指标

• Worker 完成率：返回有效 artifact 的 Worker 占比。合规审查还要列出未完成分片，不能用已完成结果掩盖漏评。
• 重复率：聚合后语义重复条目的占比。持续升高时检查分片边界、归一化和去重策略。
• 加速比：N 个 Worker 相对顺序基线带来的墙钟时间变化。偏离预期时检查限流、共享依赖和 gather 瓶颈。
• 聚合成本占比：聚合步骤在总算力和延迟中的占比。过高时可改用更严格的 artifact、分层聚合或确定性去重。

最小实现

FanoutGather.execute(goal, perspectives, strategy):
    workers = decompose(goal, perspectives)    # 按语义独立性切 N 份
    results = 并行 gather(                       # 信号量控并发 + retry + backoff
        execute_worker(w) for w in workers      # 每个独立 context,失败不阻塞其他
    )
    return aggregate(goal, results, strategy)   # 去重、冲突消解与综合

aggregate(results, strategy):
    concatenate → 简单拼接(仅无重叠时)
    vote        → 多数投票
    synthesize  → 强模型综合,显式消解矛盾 + 去重
    structured  → schema 化结构合并

生产实现根据本地质量和成本选择 Worker 与 Aggregator 模型；并发与 provider 限制对齐并在观测后调整；单个 Worker 失败不阻塞其他分支，最终 artifact 必须披露 partial failure；各分支保留完整 trace。

场景化示例

设想一个季度合规扫描 Agent。单 Agent 顺序读取全部财务文档无法满足披露前窗口；并行 Worker 虽然缩短墙钟时间，却会产生重复、术语不一致和置信度不可比的问题。gather 阶段因此需要语义去重、概念归一化、证据合并和 needs-review 分类。政府或国企招投标等场景还可能要求 Worker 之间保持独立，trace 和留存期限按适用制度配置。任何 partial failure 都要在最终报告中显式列出。

相邻模式

• 并行探索（推理模块 R3）：结构同源、聚合机制相通，区别在并行的实体。扇出聚合是不同子任务分给不同 Agent（协作拓扑），并行探索是同一道题的多条解法（推理策略）。
• 层级委派（C1）：同为一对多，但扇出是一对多分量（多个 worker 同时干同一类活的不同部分）、浅协作（fire-and-collect），层级委派是一对多分专业、深协作（supervisor 持续监督）。Anthropic 多 agent research 同时是层级（lead 主管）加扇出（subagents 并行）。
• 对抗评审（C3）：扇出的 N 个 worker 是互补关系（各看一面拼出全景），对抗评审的 reviewer 是对抗关系（独立审查决策健壮性）。
• 子代理隔离（C5）：每个并行分支使用独立 context，gather 阶段只读取 reduced 结果。

工程判断

扇出聚合用更多 Worker 缩短 wall-clock 时间，同时增加去重、冲突消解和结果合并的成本。Worker 数量扩大前，需要先验证聚合器的容量与质量。

企业证据

当前没有与本模式绑定的公开评审案例。模式定义不因此视为已经获得企业验证。

案例收录要求说明业务约束、实现结构、已知失败和迁移边界。参见 贡献与评审规则。

2026-08-25 研讨会修订：写入冲突域与只读聚合

文件分开不等于资源独立。扇出前声明可能写入的文件、编号、配置、领域对象和外部环境；无法确认互斥关系时保持串行。Gatherer 没有写入职责时默认只读。

协作模块研讨记录