AutoHedge · 第 3 章 多Agent编排核心

AutoHedge · 第 3 章 多Agent编排核心

章节摘要:本章属「架构核心」,是理解 AutoHedge 最重要的一章。全部编排逻辑集中在 autohedge/workers.py(仅 79 行),却定义了 5 个 Agent:一个 Director(Trading-Director)负责编排,四个专家(Sentiment 情绪、Quant 量化、Risk 风控、Execution 执行)各司其职。Director 通过 swarms 的 handoffs 机制自主决定何时把任务转给哪个专家。本章先精读 Director,再拆解四大专家,再讲透 handoffs,最后落到 swarms 的 Agent 与 Conversation 抽象。本章共 4 节,前置依赖为「第 1~2 章」。

学习目标

阅读完本章,你应当能够:

1. 精读 workers.py,说清 5 个 Agent 各自的模型、工具、职责。
2. 理解 Director 如何作为编排者,通过 handoffs 调度专家。
3. 描述四大专家 Agent(情绪/量化/风控/执行)的分工与数据流。
4. 说清 handoffs 机制:一个 Agent 如何把任务转给另一个。
5. 理解 swarms 的 Agent 与 Conversation 抽象。

核心概念速览

多 Agent 编排的精髓:不是让一个 LLM 干所有事,而是让一个「编排者」把子任务分给最擅长的「专家」。

子章节导航

01 Director 编排 Agent

director_agent 的实例化、system_prompt、handoffs=ALL_AGENTS、为什么用 gpt-4.1。

02 四大专家 Agent

sentiment/quant/risk/execution 各自的模型选型、工具、输出约定、max_loops。

03 handoffs 任务交接机制

handoff 是什么、Director 如何决定交接、交接后控制流、与 RPA/函数调用的区别。

04 swarms.Agent 与 Conversation 抽象

swarms.Agent 构造参数、Conversation 消息历史、return_messages_as_list/dict/str。

子章节之间的逻辑关系

本章第 01 节(Director) ──► 第 02 节(四大专家) ──► 第 03 节(handoffs) ──► 第 04 节(swarms 抽象)
   │
   ▼
下一章(第 4 章 Prompt 工程实践)
​

前置知识与后续延伸

前置知识:

• 第 1~2 章(已能跑起 example.py)
• 对 LLM 工具调用的基本概念

后续延伸:

• 第 4 章讲这些 Agent 的 system_prompt 怎么写
• 第 6 章讲 Agent 怎么调用工具