多智能体客服系统核心设计原则：状态先于推理 + 先路由再单执行
TL;DR
企业级多智能体系统的可靠性不在"模型有多聪明"，而在"系统约束有多清晰"。三条核心原则：(1) 状态先于推理——用户输入先落盘再推理；(2) 先路由再单执行——每轮只激活一条能力链路；(3) 真实信息驱动——所有推理输入必须来自当前消息+历史快照+工具结果，排除预置演示数据。
触发场景
- 设计多智能体协作系统
- 需要确保 LLM 应用的行为可追溯、可验证
- 客服/业务型 AI 系统架构设计
行动步骤
- 消息标准化：将裸文本封装为携带完整业务语义的结构化对象
- 会话持久化前置：每条消息在进入推理前先落盘
- 以 SessionSnapshot 统一视图供所有 Agent 读取（快照隔离）
- 分区提示词组装：用 SectionBuilder 按角色需求组合上下文分区
- 编排层强制单路径：路由决策后才激活唯一的下游 Agent
- 工具调用通过类型化 ActionPlan 驱动，Agent 不直接访问底层存储
证据
- 完整毕业论文学术验证：TypeScript + Node.js 实现
- 五层架构模型（消息标准化/会话持久化/提示词组装/编排调度/工具执行）
- 路由准确率 0.9091，记忆窗口质量从 window0 的 0.00 提升到 window8 的 0.86
- 四轮终端链路（知识→建单→更新→转接）均成功完成
失败边界
- 当前知识检索为静态候选列表，不支持向量检索
- 工单后端为 SQLite 模拟，非生产级
- 模型输出容错能力有限（依赖 JSON 格式的结构化输出）
- 单会话顺序处理，未覆盖并发场景
原理
将多智能体系统的可靠性重心从"模型单体智能"转移到"系统状态一致性与可信数据流"。上下文必须显式可审计、执行路径必须单值确定、副作用必须受控且可回放。这三条工程约束共同收敛了大语言模型的概率性。
关联与延伸
- 相关笔记：[[20260517-pg-01]]
- 相关资源：论文附录含完整代码文件对应表