共识算法如何落地多Agent？

面试官你好，这道题问多[[Agent]]协同的常见机制，其实本质是在问：当多个智能体一起干活时，怎么避免它们各干各的甚至互相打架？核心就是两个词，分工和信息同步。

先说三大类机制，你可以这么理解。第一类通信协议，就是Agent之间直接说话，点对点传消息，或者通过黑板系统广播。这种适合任务之间耦合度高、需要频繁协商的场景，比如多机器人协作搬东西，每一步都要确认。但缺点也很明显，通信开销大，而且一旦消息丢包或者延迟，整个系统容易卡住。

第二类共享记忆，就是大家读写同一个知识库或上下文。好处是状态透明，每个Agent都能看到全局进展，适合信息密集型的任务，比如数据分析。但这里有个坑：如果记忆没有权限控制，敏感信息容易泄露，而且并发写容易冲突。

第三类角色分工，就是给每个Agent定好职责，比如规划者、执行者、验证者。这种方式适合流程固定的场景，比如客服退款，规划者拆单，执行者查政策，验证者复核。但弱点是不够灵活，如果任务变了，角色得重新配。

所以实际落地时，很少只用一种机制，而是混合使用。我重点讲一个我比较熟悉的组合：共享记忆加角色分工。

具体说一下实现原理。有一个Orchestrator，它收到用户请求后，先分析，然后把任务拆解成计划，写进共享上下文。每个Agent按自己的角色去读对应的部分，执行完再把结果写回去。比如一个复杂的数据分析任务：用户说“分析Q3销售下滑原因”。Planner拆成数据提取、趋势分析、竞品对比、归因总结四步。Executor们并行干活，一边干一边把中间结论写到共享记忆里。Verifier最后检查逻辑有没有漏洞，比如发现“下滑但竞品没涨”这种矛盾，就触发迭代修正。

这么做的好处很明显：避免重复沟通，因为所有中间状态都在共享记忆里，每个Agent不用反复问别人；而且整个执行链可追溯，方便人工介入检查。

但这里有个前提：共享记忆必须保证一致性和时效性。如果不满足，比如两个Executor同时写同一个变量，或者Planner更新了计划但Executor读的还是旧版本，那结果就乱了。常见失败场景就是记忆膨胀，上下文越攒越多，Agent读错或者超时。所以上线我会特别关注记忆的清理和版本控制，比如给每条记录打时间戳，定期归档旧数据。