多代理協作：Planner + Executor

一個 ReAct agent 解簡單任務很好,但碰到大而複雜的任務(「幫我規劃一趟三天兩夜的行程,要算預算又要查天氣」),它常常在中途迷路:忘了大局、在細節裡打轉。人類遇到大任務會怎麼做?先列計畫,再一步步做。 多代理協作就是把這件事搬給 agent。

拆成兩個角色

• Planner(規劃者):只做一件事——把複雜任務拆解成有序的子步驟(一份編號清單)。它不執行,只負責「想清楚要做哪些事、什麼順序」。
• Executor(執行者):就是前面幾課做好的 ReAct 工具 agent。它一次只專心做一個子步驟,用工具把它完成。

外層一個 orchestrator(編排器) 把流程串起來:拿 planner 的計畫,逐步交給 executor,把每步的結果累積起來,最後彙整成完整答案。

為什麼有效?因為分工降低了每個 agent 的認知負擔。planner 不用管工具細節,只想大局;executor 不用管全局,只專心做好眼前這一步。兩個簡單角色,合作解決一個單一 agent 扛不動的任務。

這堂課你會學到

• 理解「先規劃、再執行」為什麼能解單一 agent 扛不動的複雜任務
• 寫一個 planner:把任務拆成有序子步驟清單
• 把前幾課的 ReAct agent 當 executor,逐步執行
• 寫 orchestrator 串起流程、累積中間結果、彙整最終答案
• (sidebar)認識近親 reflection:讓 agent 自我批評再修正

近親:Reflection(反思)

多代理還有一個常見變體值得認識:reflection。不是拆成兩個角色平行分工,而是讓同一個 agent 先產出答案,再扮演「批評者」檢查自己的答案哪裡不好,然後根據批評修正。一寫一改、自我迭代。planner+executor 是「分工」,reflection 是「自我審稿」——課程主線做前者,sidebar 帶你看後者怎麼用幾行接上去。

一張任務分解圖

預覽圖把這課畫成一棵分解樹:頂端是一個複雜任務,planner 把它拆成三個編號子步驟,每個子步驟下面接一個小小的 executor(ReAct 迴圈)去完成,最後三條結果匯流到底部,彙整成最終答案。這張圖就是多代理的精神:一個負責拆、一個負責做、一個負責合。

👉 在 Colab 裡把同一個複雜任務,分別丟給「單一 ReAct agent」和「planner+executor」,比較兩者的答案品質與穩定度——體會分工的價值。