5.1 Agent 与 Task 设计原则

5.1 Agent 与 Task 设计原则

本节约处在第五章第一站，也是设计纪律的起点。多智能体系统崩，很少崩在语法，而是崩在"边界划错"——两个角色职责重叠、一个 Task 验收标准虚、上下游靠猜传话。我们给三条可操作原则，每条都配反例。

先把"好边界 vs 坏边界"画成

先把"好边界 vs 坏边界"画成对照，建立直觉：

原则一：单一职责。一个 Agent 只干一类事，别让"研究员"又搜又写又审。重叠的职责会让两个角色抢活、产出互相覆盖，错误难归责。下面的反例和正例对比：

# 反例：一个角色啥都干，边界模糊
all_in_one = Agent(role="全能助手", goal="调研并撰写并审核", backstory="什么都会", verbose=True)

# 正例：拆成单一职责的三个角色
researcher = Agent(role="研究员", goal="只负责搜资料", backstory="严谨", verbose=True)
writer = Agent(role="写手", goal="只负责成文", backstory="连贯", verbose=True)
checker = Agent(role="审核", goal="只负责找错", backstory="挑剔", verbose=True)
​

原则二：可验收。每个 Task

原则二：可验收。每个 Task 的 expected_output 必须能被程序或人判定"算不算数"。虚的产出（"一份报告"）没法验收，实的产出（"三条要点，每条含现象/原因/建议"）才能当接口。这条在 2.2 强调过，这里上升到原则：验收标准写不清的 Task 不进 Crew。

# 不可验收
bad = Task(description="分析数据", expected_output="一份分析", agent=researcher)

# 可验收：格式与内容双重约束
good = Task(
    description="分析 {data} 月度趋势",
    expected_output="三条，每条：现象一句 / 可能原因一句 / 建议动作一句，换行分隔",
    agent=researcher,
)
​

原则三：低耦合。角色之间只通过 Task 的 context 传数据，不要在 Agent 的 backstory 里硬编码"等写手给你东西"这类跨角色约定。耦合藏在设定里，重构时找不到；耦合写在 Task 图里，一眼可见。

# 低耦合：依赖显式写在任务图
t_find = Task(description="搜 {topic} 事实", expected_output="要点", agent=researcher)
t_write = Task(description="写成文", expected_output="文章", agent=writer, context=[t_find])

# writer = Agent(role="写手", backstory="等待研究员先把事实发你再写", ...)
​

还有一个工程层面的重要原则：角色数够用即可，别为架构好看堆人。我们见过"研究员/写手/编辑/润色/排版"五角色，结果润色和排版产出几乎不可区分，反而增加 token 与调试面。先用最小三角色跑通，缺哪种能力再加哪种，每次加人都有明确收益对照。

收尾提醒：设计原则不是教条，是降

收尾提醒：设计原则不是教条，是降低"协作熵"的手段。边界越清、验收越硬、耦合越低，你的 Crew 越可预测、越可改。带着这三条去审自己的设计，比背 API 更能决定项目成败。下一站讲提示词——把原则落到"约束写在哪里"的具体写法。

设计 Agent 与 Task 的硬原则

我们把多年踩坑收敛成几条可操作的原则，每条都对应一个真实代价：

⚠️ 常见坑：把多个职责塞进一个 Agent，比如"又调研又写又审"，结果是每样都一般。我们宁可多一个轻量 Agent，也要保住单一职责。

from crewai import Agent, Task

# 反例：一个 Agent 身兼三职
all_in_one = Agent(role="全能", goal="调研+写+审", backstory="啥都会", verbose=True)

# 正例：拆成三个单一职责
research = Agent(role="研究员", goal="只调研", backstory="严谨", verbose=True)
write = Agent(role="写手", goal="只写", backstory="清楚", verbose=True)
review = Agent(role="校对", goal="只审", backstory="较真", verbose=True)

t_r = Task(description="调研", expected_output="事实清单", agent=research)
t_w = Task(description="写稿", expected_output="稿件", agent=write, context=[t_r])
t_v = Task(description="审校", expected_output="修改意见", agent=review, context=[t_w])
print([a.role for a in (research, write, review)])
​

💡 关键直觉：设计多智能体系统像搭积木——每块形状单一，才能拼出稳固结构。职责越单一，复用与替换越容易；一个 Agent 越"全能"，它越像一个谁都替代不了、又谁都不放心的黑盒。

# 最小权限：只挂必要工具
from crewai_tools import SerperDevTool
research.tools = [SerperDevTool()]
write.tools = []   # 写手不需要搜索
print("研究员工具数:", len(research.tools), "写手工具数:", len(write.tools))
​

一个检查清单

落地前用这张清单自检：每个 Agent 是否只扮演一种角色？每个 Task 是否都有可校验的 expected_output？每个 Agent 是否只挂了必需工具？依赖是否都用 context 显式声明？四条全过，返工概率会大幅下降。

⚠️ 常见坑：清单最后一条最容易被忽略。依赖靠"口头约定"而非 context，系统一改顺序就断流。把依赖写进代码，而不是记在脑子里。