当前位置: 首页 > news >正文

Harness Fan-out/Fan-in模式:多个Agent如何并行调查并汇合结果

Harness Fan-out/Fan-in模式:多个Agent如何并行调查并汇合结果

【免费下载链接】harnessA meta-skill that designs domain-specific agent teams, defines specialized agents, and generates the skills they use.项目地址: https://gitcode.com/GitHub_Trending/harness/harness

Harness 是一个 Claude Code 插件(元技能),可以从一句领域描述自动设计出 Agent 团队并生成配套技能。本文带你彻底搞懂它 6 种架构模式中最常用的一种——Fan-out/Fan-in(扇出/扇入):多个 Agent 如何像一支调查小组一样并行开工、实时互通、最终汇合成一份完整报告。

什么是Fan-out/Fan-in:拆开并行、汇成一份

Fan-out/Fan-in(中文常称"扇出/扇入")的思想和现实中"派几个人分头调查,再开个碰头会汇总"完全一样:

┌→ [专家A] ─┐ [分发] → ├→ [专家B] ─┼→ [整合] └→ [专家C] ─┘

它最适合的场景是:同一份输入,需要从不同视角、不同领域分别深入。比如综合调研——官方渠道、媒体报道、社区口碑、背景与竞争环境可以同时开查,最后由负责人整合成一份综合报告。

Harness 把它列为 6 种团队架构模式之一(Pipeline、Fan-out/Fan-in、Expert Pool、Producer-Reviewer、Supervisor、层级委托),完整模式对比见 agent-design-patterns.md。

什么时候该用Fan-out/Fan-in:4个典型场景

场景并行的"专家"汇合的产出
🕵️ 综合调研官方/媒体/社区/背景 4路调查员综合研究报告
🔍 代码审查安全、性能、测试 3位审查员单份汇总审查报告
🌐 多语言翻译每种语言一位翻译专家各自校验后的译文合集
📊 竞品分析产品、定价、口碑 各自负责竞品分析简报

⚠️ 关键提醒:整合阶段的决定整体质量。并行做得再快,如果最后的汇总只是"简单拼接",报告就会像碎片堆砌。

实战走一遍:4人调研团队的完整流程

team-examples.md 里给了一个完整的调研团队范例,流程如下:

Phase 1 准备→ 分析用户输入的主题,创建_workspace/工作目录

Phase 2 组队→ 用TeamCreate组建 4 人团队,用TaskCreate登记 4 项调查任务,每人认领一份

Phase 3 并行调查→ 4 位成员独立开查,但不是互不干扰——发现有趣线索会用SendMessage互相同步(比如媒体调查员发现的融资新闻,直接发给背景调查员跟进);遇到矛盾信息则直接当面"辩论"

Phase 4 汇合→ 负责人读取 4 份产出,整合成综合报告,矛盾信息并列保留并注明来源

Phase 5 收尾→ 解散团队,_workspace/中间产物全部保留,方便事后审计

并行时Agent怎么"通气":三种协作通道

这是 Fan-out/Fan-in 模式里最容易被低估的部分——并行≠孤立。Harness 默认用"Agent 团队"模式,成员间有三条通信通道:

  1. 📨 消息(SendMessage):定向点对点,分享发现、提出质疑,不用经过负责人中转
  2. 📋 共享任务清单(TaskCreate/TaskUpdate):所有人看得见谁在做什么、进度到哪,自己会去认领空闲任务
  3. 📁 文件(_workspace/约定路径):大份产出统一写成文件,命名规范如01_analyst_requirements.md,最终由负责人统一读取

💡 一个有意思的效果:某位调查员的发现能实时修正另一位调查员的调查方向,这是"一个人独自查"做不到的质量提升。

汇合不是拼接:整合阶段做什么

Fan-in 阶段负责人要做四件事,缺一不可:

  • 收集:用 Read 读取各成员在_workspace/中的产出文件
  • 对齐:交叉验证各方结论,识别重叠与冲突
  • 标注:矛盾数据不删除,而是注明来源并列呈现(如"官方称X,社区反馈Y")
  • 交付:生成最终单一产出物到用户指定路径

完整的编排模板(含错误处理表:某成员失败时重试→改派→报告中注明缺失)见 orchestrator-template.md。

新手上手3个实用建议

  1. 控制团队规模:小任务 2~3 人、中任务 3~5 人即可,人越多协调开销越大——"3个专注的成员强过5个散漫的成员"
  2. 并行任务必须真正独立:如果任务B必须等任务A的结果,那是 Pipeline(流水线)而不是 Fan-out,硬拆只会制造等待
  3. 快速起步:按 quickstart.md 的步骤安装并开启 Agent Teams 后,只要说一句 "Build a harness for deep research"(为深度调研搭建团队),Harness 就会自动生成调研 Agent 团队和配套技能,详见 SKILL.md

相关核心文件

  • 主技能定义(6阶段工作流):skills/harness/SKILL.md
  • 6种架构模式详解:skills/harness/references/agent-design-patterns.md
  • 5个真实团队范例(含调研团队):skills/harness/references/team-examples.md
  • 编排器模板(数据流+错误处理):skills/harness/references/orchestrator-template.md
  • 5分钟快速上手:docs/quickstart.md

【免费下载链接】harnessA meta-skill that designs domain-specific agent teams, defines specialized agents, and generates the skills they use.项目地址: https://gitcode.com/GitHub_Trending/harness/harness

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

http://www.cnnetsun.cn/news/4308199.html

相关文章:

  • Open Interpreter 实测配置指南:本地跑开源大模型做代码执行
  • headroom_retrieve工具注入原理:LLM如何按需取回Headroom压缩掉的原始数据
  • 岳阳空调维修正规服务怎么选?欧米到家全区域及代码故障检修
  • 2017年Java笔试题深度解析:核心考点为何至今仍高频?
  • STM32L4 UART DMA偶发数据错乱与卡死:根因分析及解决方案
  • Nginx如何成为智能电网与可再生能源能效优化的秘密武器?
  • 具身智能学习路线:从机械臂到机器狗的ROS2全栈实战指南
  • STM32+KSZ8863调试实录:RMII接口Link不上的排查与解决
  • 数据中心电池容量计算与造价清单:避免项目延期取消的关键
  • 基于SpringBoot的问卷调查管理系统(毕设源码+文档)
  • 虚实共生态势推演:实现野外驻训从被动观测到主动预判的技术升级
  • Thomas Wolf警示AI权力集中,开源模型本地部署如何破局?
  • Eclipse JEE版文件名解析与JVM启动配置指南
  • 系统化架构设计:从个人经验到可复用的技能闭环
  • AI风险治理实战:从安全评测到可信落地,守护技术价值
  • 五月前端面试复盘:Vue3原理、性能优化与系统设计题全解析
  • 水质砷超标133倍背后:检测标准、形态分析与质控全解读
  • STM32与CC1125低功耗组合:GPIO引脚状态导致漏电的排查与解决
  • Debian与LLM:许可证争议、打包规则与AI工具链实践
  • 银行信用卡风险评估模型设计与落地实践
  • 基于Python的面试题解析源码:从文本清洗到考点提取全实现
  • LangGraph核心模型与实战:从条件路由到并行分支的Agent状态机设计
  • 壹品慧优选品控到底怎么样?从选品、供应链到售后,深度拆解这个厨房专家的品控体系
  • 2026大模型商业化加速:从API选型到Agent架构的技术应对
  • Cursor Review 深度实测:AI 代码审查能否阻止劣质化
  • 德州空调维修正规服务怎么选?欧米到家全区域及代码故障检修
  • PyTorch入门:从张量计算到模型部署的完整链路
  • 基于RAG与知识图谱的AI医疗问诊平台系统搭建指南
  • 无屏AI硬件重构交互入口:从语音交互到端侧部署,开发者如何提前卡位
  • DeepSeek V4 Flash 接入 Codex CLI 完整配置教程