什么是多 Agent 的角色分工？主管与专员

在一个多智能体系统里，角色分工指的是把「想清楚做什么」和「动手做完一件事」拆给不同的 AI 智能体：主管 Agent 负责理解需求、拆任务、派活和验收，专员 Agent 各自认领一块具体工作，做完交回结果。这就像一家小公司里项目经理带着几个专精岗位的同事干活，而不是一个人从头包到尾。

为什么不让一个大模型一口气全包？因为上下文有限、注意力会散。DeepSeek、豆包这类助手单轮对话很强，但让它同时盯十件事，很容易顾此失彼。把任务切成块，每块只装一个专员该知道的信息，出错更容易定位，重跑的代价也更小。

一个主管带着一群专员干活

类比一家小餐馆：前台接单相当于主管，把「一份炒饭、一份汤」写清楚送到后厨；后厨两位厨师是专员，一个炒饭一个煲汤，互不干扰；出菜前主管再瞄一眼摆盘。对应到智能体系统：主管把用户目标翻译成带验收标准的子任务，专员领到的是「做什么、做到什么程度」，而不是原封不动的一句用户原话。

分工带来的第一个好处是专注：专员只装自己那摊事，上下文窗口不必塞进全部背景。第二个好处是可替换：某个专员效果不好，换一个模型或改改提示词，不影响整个班子运转。

角色怎么分：谁拍板、谁跑腿

常见分法有三种。按职能分，比如检索专员、写作专员、审校专员，适合流程固定的活。按环节分，比如规划、执行、检查各一个，适合长链条任务。按并行分，同一个任务复制给几个专员分别尝试，主管挑综合表现最突出的那版，海螺AI 在多方案生成上就有类似思路。

三种分法各管什么活，对照着看。

不管哪种分法，都要写清三件事：每个角色的职责边界、它有权调用哪些工具、它的产出交给谁。职责含糊是多 Agent 系统最常见的乱源，两个角色都以为对方负责，任务就悬空了。

在扣子里搭一个最小班子

不必一上来就搭十几个角色。用扣子（Coze）这类编排平台，可以先做一个主管加两个专员：主管节点读用户需求，输出结构化任务列表；两个专员节点分别调用不同工具完成各自子任务；最后由汇总节点把结果拼起来。跑通这个最小班子，再考虑要不要加审校、检索等角色。

判断要不要加角色有个土办法：当一个提示词写得又长又杂、改一处就牵动全身时，就该拆了。

类比哪里失效：机器不用开会

公司里靠开会、拉群对齐信息，智能体之间靠结构化消息和共享文件同步，人盯人那套信任机制并不存在——专员的「汇报」只是一段格式化文本，主管的「信任」只是一次校验通过。类比在协作氛围上失效，在权责划分上却依然好用。

另一个失效点：人可以越界补位，专员越界往往制造冲突，比如两个角色同时改同一份文件。所以机器世界的分工边界，要比人类团队画得更死。

写在最后的一个判断

角色不是越多越好，每加一个角色都要能回答「它替谁分担了什么」。答不上来，就砍掉。分工的本质是让每个上下文更干净，而不是摆出一副大团队的架势。

角色分工速查

• 主管管拆解、派活、验收，不亲自做具体活
• 专员只领一块任务，写清职责、工具与产出去向
• 角色加一个要有理由，合并比膨胀更常见

看完这张清单，回头对照你的班子，检查每个角色是否都有不可替代的一摊事。

延伸阅读：想让班子配合更顺，可以看什么是 Agent 间通信？交接与汇报；角色各管多少钱和时间，见什么是执行预算？时间和钱的限额；多角色共用文件时，什么是共享工作区？多 Agent 的白板讲了怎么避免互相覆盖；任务切多细才好派，参考什么是拆解粒度？任务分多细合适。

关于角色分工再多问三句

• 主管和专员必须用不同的模型吗？：不必。分工看的是职责和上下文隔离，同一个模型配不同提示词也能撑起两个角色，只是复杂场景下换模型常常更省。
• 一个系统最多分几个角色合适？：没有固定数，经验上三到五个就能覆盖绝大多数任务，角色越多，通信和验收成本涨得越快。
• 专员做砸了谁负责重做？：由主管判定，要么打回原专员带着反馈重跑，要么换备用专员接手，这条路径要在设计时就写清楚。