考察点
这道题考察系统设计能力。面试官想听的不是「AutoGen/CrewAI 我都用过」，而是你对三个核心问题的答案：角色怎么拆、信息怎么流、循环怎么停。尤其是「怎么停」，这是多 Agent 系统上线最容易翻车的地方，能答出具体的防死循环机制说明你真踩过坑。追问常往具体框架、上下文隔离、评估方法走。
参考答案
分工：按职责拆，不按「模拟公司部门」拆
多 Agent 的第一原则是有明确的技术理由才拆。常见的合理拆法有三种：
- 按能力拆：不同角色用不同的工具集或模型。比如代码场景里「规划者」只负责拆解任务，「执行者」拿着文件读写和 shell 工具干活，「审查者」只做 code review，彼此工具互不越界。
- 按上下文隔离拆：主 Agent 的上下文窗口有限，把「搜索大量资料并提炼」这种会产生海量中间内容的活外包给子 Agent，子 Agent 内部随便折腾，只把几百字的结论还给主 Agent。Claude Code 的 Task 子 Agent 就是这个思路，这是目前最站得住脚的多 Agent 理由。
- 按并行拆：调研类任务天然可并行，一个 orchestrator 把问题拆成 N 个子方向，N 个 worker 同时跑，最后汇总。
要警惕的是「拟人化过家家」式拆法：CEO Agent、产品经理 Agent、程序员 Agent 围一圈聊天，看起来热闹，实际上每一步都在稀释信息、放大幻觉。
通信：三种主流机制
直接消息传递：Agent A 把消息发给 Agent B，常见于对话式框架（AutoGen 的群聊模式）。灵活但容易失控，对话轮数和内容都不好预测。
共享状态/黑板：所有 Agent 读写一个公共的状态对象（当前任务、已完成步骤、中间产物）。好处是信息全局可见、可审计；坏处是共享状态会膨胀，要写清楚每个字段的读写责任，否则变成谁都能改的垃圾场。
结构化交接（handoff）：Agent 之间不闲聊，只交接明确的任务包——上游 Agent 输出一个结构化结果（比如 JSON：任务描述 + 已有上下文 + 期望产出），框架路由给下游。OpenAI 的 Swarm/Agents SDK 主推这个模式。生产系统里这是最稳的，因为接口清晰、可测试、可追溯。
终止：把「结束」设计成协议而不是指望自觉
多 Agent 系统最大的坑是没有自然的终止信号。单体 Agent 好歹有个 finish 动作，多 Agent 对话里每个角色都能接着说，谁也不觉得该自己收尾。工程上要显式设计终止协议：
- 明确的完成条件：由 orchestrator 或仲裁角色判断「任务目标是否达成」，达成即停，普通 worker 无权宣布结束。
- 硬上限：全局最大轮数、token 预算、墙钟超时，任一触发就强制收场，把已有结果尽力输出。
- 收敛检测：连续几轮没有产生新的实质信息（比如互相确认「你说得对」），判定为收敛停滞，终止。
避免死循环和扯皮
死循环的典型症状有两种。一种是乒乓循环：A 让 B 补充信息，B 让 A 先明确需求，来回几十轮。另一种是过度讨论：几个 Agent 对一个无关紧要的分歧反复争论。
应对手段：
- 全局轮数上限 + 单对 Agent 交互上限，乒乓循环靠后者抓得最准。
- 仲裁者/监督者角色：每 N 轮由一个 supervisor 审视全局状态，判断是在推进还是空转，空转就强制做决策或终止。LangGraph 的 supervisor 模式就是干这个的。
- 交接时强制带结论：不允许 Agent 交接开放式问题，必须输出「我做了什么、卡在哪、建议下一步」，把球往前踢而不是原地传。
- 重复检测：对消息做相似度判断，连续雷同即熔断。
最后一个经验之谈：多 Agent 的调试成本是单 Agent 的平方级，评估任务成功率要端到端做，别只看单个 Agent 的表现。能把单 Agent 做好，大多数场景不需要多 Agent。
可能的追问
追问：多 Agent 之间上下文怎么共享？
两级：共享黑板放全局状态（任务目标、已完成结论），所有 Agent 可见；私有上下文各 Agent 自持（自己的中间推理、工具返回细节），不外溢。切忌把所有 Agent 的完整对话互相灌，成本和噪声都顶不住。
追问：用过哪些框架，怎么评价？
LangGraph 适合状态机式的显式编排，可控性强；AutoGen 偏对话驱动，研究原型快但生产上要自己补终止和预算控制；OpenAI Agents SDK 的 handoff 模式简单直接，适合线性交接场景。框架差异在编排哲学，分工/通信/终止这三个问题哪个框架都得自己想清楚。
追问：怎么评估多 Agent 系统？
端到端任务成功率是主指标，再配过程指标：平均轮数、token 消耗、死循环触发率。归因靠 trace——每个 Agent 的输入输出留痕，失败后回放看是哪个环节引入的错误，是分工不合理还是通信丢了信息。