跳转到主要内容

​
什么是 Swarm 模式？

Swarm 模式部署多个持久化的自主智能体，它们并行工作以解决复杂任务。一个由 LLM 驱动的 Lead Agent 动态协调团队——规划任务、生成智能体、重新分配工作，并基于实时事件做出决策。 与静态编排（任务预先分解且不会改变）不同，Lead Agent 持续监控进度并动态适应：创建新任务、取消冗余工作、在情况变化时重新分配空闲智能体。

​
工作原理

Shannon 的 Swarm 工作流由事件驱动的 Lead Agent 循环驱动：

​
Lead Agent 事件循环

Lead Agent 在特定事件触发时唤醒，并决定下一步操作： 
唤醒 Lead 的事件:
├── agent_idle       — 智能体完成当前任务或变为可用状态
├── agent_completed  — 智能体产出最终输出
├── help_request     — 智能体请求 Lead 生成辅助智能体
├── checkpoint       — 定期计时器（每 120 秒）审查整体进度
└── human_input      — 用户在执行过程中发送新指令
每次唤醒时，Lead 接收完整的团队状态（智能体、任务、预算），并选择一个或多个行动。

​
生命周期概览

  1. 初始规划 — Lead 接收用户查询并创建一组初始任务，可选择性地设置依赖链
  2. 智能体生成 — Lead 生成智能体并分配任务，遵循依赖顺序
  3. 事件驱动协调 — 当智能体完成工作、报告空闲或到达检查点时，Lead 动态重新分配任务、修订计划或生成新智能体
  4. 综合 — 当所有任务完成时，Lead 可以生成专用的综合智能体或声明 done 以产出最终响应

​
任务依赖 (DAG)

任务可以声明对其他任务的依赖，形成有向无环图（DAG）： 
任务:
├── task-1: "研究美国 AI 芯片市场"              (depends_on: [])
├── task-2: "研究日本 AI 芯片市场"              (depends_on: [])
├── task-3: "研究韩国 AI 芯片市场"              (depends_on: [])
└── task-4: "撰写对比分析报告"                   (depends_on: [task-1, task-2, task-3])
系统强制执行依赖顺序——task-4 在三个研究任务全部完成之前无法被分配。Lead 可以通过 revise_plan 动态创建新的依赖链。

​
Lead Agent 行动

每次 Lead 唤醒时，它选择一个或多个行动：
行动描述
spawn_agent为特定任务创建新智能体
assign_task将待处理任务分配给空闲智能体
revise_plan动态创建新任务或取消现有任务
send_message向特定智能体发送消息
broadcast向所有智能体广播消息
file_read读取工作区文件（零 LLM 成本，最多 3 轮）
shutdown_agent终止特定智能体
interim_reply向用户推送进度更新
noop不执行操作（当前无需行动）
done声明所有工作完成，进入关闭阶段
reply直接向用户返回最终回复（仅在关闭阶段使用）
synthesize触发合成流水线而非直接回复

​
智能体行动

每次迭代，智能体选择一个行动：
行动描述
tool_call执行工具（网页搜索、文件读取等）
publish_data通过工作区与团队分享发现
send_message向特定队友发送直接消息
request_help请求 Lead 生成新的辅助智能体
idle通知当前任务完成，等待重新分配
done返回最终响应（自动转换为 idle）
智能体无法自行退出。当智能体返回 done 时，它会自动转换为 idle 状态。只有 Lead Agent 可以通过 shutdown_agent 终止智能体。这确保了 Lead 对团队组成保持完全控制。

​
智能体间通信

Swarm 智能体通过两种机制协作：

​
P2P 消息

智能体通过 Redis 支持的邮箱向特定队友发送直接消息。消息类型包括 request、offer、accept、delegation 和 info。 每次 LLM 调用前，智能体的邮箱会被检查是否有新消息。传入的消息会出现在智能体的提示上下文中。

​
共享工作区

智能体将发现发布到基于主题的工作区列表中。每次迭代前，每个智能体都会从所有主题获取最近的工作区条目，使整个团队了解集体进展。 
共享工作区:
├── 主题: "findings"
│   ├── Agent-Takao: "NVIDIA 以 80% 的市场份额主导美国市场..."
│   └── Agent-Mitaka: "日本专注于边缘 AI 芯片..."
└── 主题: "sources"
    └── Agent-Kichijoji: "三星晶圆代工计划已公布..."

​
知识去重

Shannon 通过三层去重机制防止智能体间的重复工作：
每个智能体缓存其已获取的 URL。如果在同一智能体循环中再次请求相同 URL，将返回缓存内容而无需网络调用。
URL 元数据（标题、摘要、关键事实）在团队所有智能体之间共享。当智能体 B 尝试获取智能体 A 已处理的 URL 时，它会收到缓存的元数据而非重新获取——节省时间和 Token。
追踪所有智能体发现的搜索结果 URL。当新搜索返回的 URL 中 70% 以上已被其他智能体发现时，系统注入警告提示寻找新角度。此外，搜索饱和检测器使用 Jaccard 词级相似度（阈值 0.7，窗口 3 个查询）比较近期查询，标记重复搜索。

​
收敛检测

三种机制防止智能体无限运行：
如果智能体连续 3 次迭代没有执行任何有意义的操作（空或无法识别的 action），则认为已收敛，转换为 idle 状态。注意 tool_call、send_message 和 publish_data 都会重置此计数器。
如果连续发生 3 次永久性工具错误（非速率限制等瞬时错误），智能体中止并报告失败。
在最后一次迭代时，如果智能体尚未调用 done 或 idle，工作流强制完成并从最近的迭代中构建摘要。
瞬时错误（速率限制、超时、503）触发自动重试，退避时间递增（5 秒增量，最大 30 秒），不计入中止阈值。

​
全局预算控制

Swarm 执行受三层预算约束，防止成本失控：
预算层默认值描述
max_total_llm_calls200所有智能体的最大 LLM 调用总次数
max_total_tokens1,000,000所有智能体的最大 Token 消耗总量
max_wall_clock_minutes30整个 Swarm 的最大挂钟时间
Lead Agent 在其上下文中接收预算信息（剩余调用次数、Token、时间），使其能够做出成本感知的决策——例如在预算紧张时关闭低优先级智能体或跳过可选任务。

​
何时使用 Swarm

场景推荐工作流
简单问答、单步任务Simple / DAG
带引用的多步骤研究Research Workflow
多智能体代码审查、测试和修复Swarm
多视角金融分析（基本面、技术面、情绪面）Swarm
使用 Python/Bash 执行的数据处理流水线Swarm
智能体需要分享中间发现的任务Swarm
需要动态发现子任务的长时间探索Swarm
子任务之间有复杂依赖链的任务Swarm
Swarm 模式比标准工作流使用更多 Token，因为每个智能体运行多次 LLM 迭代，且 Lead Agent 的协调决策也消耗 Token。请在真正受益于持久化协作多智能体执行的任务中使用它。

​
配置

Swarm 行为通过 config/features.yaml 控制：
参数默认值描述
swarm.enabledtrue启用/禁用 Swarm 工作流
swarm.max_agents10最大智能体总数（初始 + 动态）
swarm.max_iterations_per_agent25每个智能体的最大推理-行动循环次数
swarm.agent_timeout_seconds1800每个智能体超时（30 分钟）
swarm.max_messages_per_agent20每个智能体的 P2P 消息上限
swarm.workspace_snippet_chars800提示中每个工作区条目的最大字符数
swarm.workspace_max_entries5向每个智能体显示的最近条目数
swarm.max_total_llm_calls200整个 Swarm 的全局 LLM 调用预算
swarm.max_total_tokens1000000整个 Swarm 的全局 Token 预算
swarm.max_wall_clock_minutes30Swarm 的最大挂钟时间

​
流式事件

Swarm 工作流发出 SSE 事件用于实时监控：
事件类型Agent ID触发时机
WORKFLOW_STARTEDswarm-supervisor工作流开始
PROGRESSswarm-lead / swarm-supervisor规划、生成、重新分配
LEAD_DECISIONswarm-leadLead 做出规划决策（生成、分配、修订等）
TASKLIST_UPDATEDswarm-lead任务依赖图变更（任务创建或取消）
TEAM_STATUSswarm-lead团队组成变更（智能体生成或关闭）
AGENT_STARTED智能体名称智能体开始第一次迭代
AGENT_COMPLETED智能体名称智能体完成
WORKFLOW_COMPLETEDswarm-supervisor最终综合完成

​
下一步

Swarm 教程

分步指南：运行 Swarm 工作流

工作流和模式

其他工作流类型和认知模式

流式传输

实时事件流

成本控制

多智能体任务的预算管理