返回目录 / Agent 工作流
整合专家分工完成复杂方案
把领域问题分配给专长代理,整合成不矛盾的决策方案。
目标
目标:把领域问题分配给专长代理,整合成不矛盾的决策方案。
步骤
- 基于案例材料定义交付物和决策点,给每位specialist限定职责、输入资料与返回格式。 [specialists]
- 用独立
make_agent(name, description, system, tools)构建专家;仅把必要工具授予对应专家。 [specialists] - 协调者并行派发,合并相互依赖的发现;记录未决冲突而不伪造一致结论。 [specialists]
验证方式
检查最终建议包含每位专家的证据、依赖关系和待决项;确认每个专家没有越权工具。
故障处理
若子任务交叉或彼此冲突,重写输入边界并保留反对意见;不要求模型强行达成一致。
权限边界
前置条件
- Python 3.11+、Anthropic API key、Managed Agents beta SDK和可共享的非敏感案例材料。
权限边界
- 限定每个专家的数据/工具范围;保密数据仅按授权拆分,禁止跨专家暴露无关字段。
限制
样例是提案协作模式;复杂任务需控制并行成本并由领域专家签批。
固定上游来源
- 仓库
- anthropics/anthropic-cookbook
- 文件路径
- managed_agents/CMA_coordinate_specialist_team.ipynb
- 固定提交
9c1e493ddd2b82df399d2a61b9c806c539e18be6- 来源检查
- 2026-10-14 · 已按固定上游来源核对
仓库指标
以下数字属于上游仓库整体,不代表单个 Skill 或指南的点赞/热度。
- Stars
- 未取得
- Forks
- 未取得
- 观测时间
- 未取得
尚未取得指标快照。
许可证: MIT