القائمة
多智能体协作规则框架，用于在没有原生 Agent Teams 功能的模型上实现协作。适用于 Kimi、DeepSeek、MiniMax、百川、零一万物等模型。触发词：多智能体协作、agent teams、协作规则、多agent编排。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/hiyenwong/ai_collection --skill agent-collaboration-protocolيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
استنادا إلى تصنيف SOC المهني
عرض SKILL.md
| name | agent-collaboration-protocol |
| description | 多智能体协作规则框架，用于在没有原生 Agent Teams 功能的模型上实现协作。适用于 Kimi、DeepSeek、MiniMax、百川、零一万物等模型。触发词：多智能体协作、agent teams、协作规则、多agent编排。 |
为无原生 Agent Teams 功能的模型提供多智能体协作框架。
适用场景： 任务有明确的分工
┌─────────────┐
│Coordinator │ ← 任务分配、进度监控
└──────┬──────┘
│
┌──────┼──────┬──────────┐
│ │ │ │
▼ ▼ ▼ ▼
Agent1 Agent2 Agent3 Agent4
(研究) (分析) (执行) (验证)
协作规则：
适用场景： 需要高可靠性答案
┌─────────────┐
│ Question │
└──────┬──────┘
│
┌────────┼────────┐
▼ ▼ ▼
Agent1 Agent2 Agent3
(独立分析)
│ │ │
└────────┼────────┘
▼
┌─────────────┐
│Consensus │ ← 比较、投票、融合
└─────────────┘
协作规则：
适用场景： 任务有顺序依赖
Input → [Agent1] → [Agent2] → [Agent3] → Output
预处理 处理 后处理
协作规则：
适用场景： 复杂任务需要多级决策
┌─────────────┐
│ Manager │ ← 战略决策
└──────┬──────┘
│
┌──────────┼──────────┐
▼ ▼ ▼
Supervisor Supervisor Supervisor
(战术决策) (战术决策) (战术决策)
│ │ │
┌───┴───┐ ┌───┴───┐ ┌───┴───┐
Worker Worker Worker Worker Worker Worker
(执行) (执行) (执行) (执行) (执行) (执行)
def decompose_task(task):
"""任务分解"""
# 1. 识别任务类型
task_type = classify_task(task)
# 2. 选择协作模式
mode = select_mode(task_type)
# 3. 分配角色
roles = assign_roles(mode)
# 4. 定义接口
interfaces = define_interfaces(roles)
return {
"mode": mode,
"roles": roles,
"interfaces": interfaces
}
消息格式：
{
"from": "agent_id",
"to": "agent_id|broadcast",
"type": "request|response|notify|error",
"task_id": "unique_id",
"content": "...",
"timestamp": "ISO8601",
"metadata": {}
}
通信规则：
错误检测：
def detect_error(result):
errors = []
# 1. 格式验证
if not validate_format(result):
errors.append("FORMAT_ERROR")
# 2. 逻辑验证
if not validate_logic(result):
errors.append("LOGIC_ERROR")
# 3. 边界验证
if not validate_bounds(result):
errors.append("BOUNDARY_ERROR")
return errors
错误隔离：
投票规则：
def consensus(results):
"""达成共识"""
# 1. 收集所有结果
all_results = collect_results()
# 2. 计算相似度
similarity_matrix = compute_similarity(all_results)
# 3. 聚类
clusters = cluster_results(similarity_matrix)
# 4. 选择最大簇
largest_cluster = max(clusters, key=len)
# 5. 融合结果
final_result = merge_results(largest_cluster)
return final_result
职责：
能力要求：
职责：
能力要求：
职责：
能力要求：
职责：
能力要求：
职责：
能力要求：
from langchain.agents import AgentExecutor
from langchain.chat_models import ChatOpenAI
class AgentCollaboration:
def __init__(self, model_api, model_name):
self.llm = ChatOpenAI(
model=model_name,
openai_api_base=model_api,
openai_api_key="your_key"
)
self.agents = {}
def create_agent(self, role, system_prompt):
"""创建 Agent"""
self.agents[role] = {
"llm": self.llm,
"system_prompt": system_prompt,
"history": []
}
def collaborate(self, task, mode="role_based"):
"""执行协作"""
if mode == "role_based":
return self._role_based_collaboration(task)
elif mode == "competitive":
return self._competitive_collaboration(task)
elif mode == "pipeline":
return self._pipeline_collaboration(task)
agent-collaboration-protocolagent-collaboration-protocolagent collaboration protocolexecreadwriteeditUser:
Agent:
User:
Agent: