单体 LLM 处理链 ──── 一条路走到黑 1. [推理] 需要查询天气 → 无法联网，只能"编造"数据 2. [推理] 需要展馆信息 → 训练数据可能过时 3. [生成] 撰写攻略文案 → 一次生成，无法自我验证 4. [编码] 生成 HTML → 可能样式错误或移动端不适配 5. [输出] 最终结果 → 错误层层累积，看起来专业但信息有误

多智能体处理链 ──── 分工、并行、评审 [MainAgent] 分解任务 → 构建 DAG ├── Sub-Agent A: 调用天气 API 获取实时数据 → 准确 ├── Sub-Agent B: 搜索南京博物院最新展馆信息 → 实时 ├── Sub-Agent C: 基于 A 的数据生成穿衣建议 → 有据可依 ├── Sub-Agent D: 基于 B 的数据规划参观路线 → 信息同步 └── Sub-Agent E: 将 C + D 组装为 HTML → 内容准确 [EvalAgent] 独立审查 ├── 检查天气数据是否为实时查询结果 ├── 检查闭馆提醒是否正确 ├── 检查 HTML 是否适配移动端 └── 评分 92/100 → 通过 → 交付用户

TaskInput
├── task_id              # 【必填】UUID，全局唯一，全链路追踪
├── task_description     # 【必填】自然语言描述，MainAgent 理解意图的核心依据
├── priority             # 【选填】low / medium / high / critical
├── constraints
│   ├── max_iterations   # 评估反馈循环最大次数（默认 3）
│   ├── timeout_seconds  # 单个子任务超时阈值（默认 300s）
│   └── budget_tokens    # Token 预算上限
├── expected_output
│   ├── format           # text / markdown / json / html / file
│   └── quality_criteria # 用户自定义质量标准列表
└── context
    ├── session_history  # 历史会话摘要
    └── domain_knowledge # 领域知识或参考资料

导览攻略网页：
├── A [信息检索]: 查实时天气
├── B [信息检索]: 查展馆信息
├── C [内容生成]: 撰写路线文案
├── D [内容生成]: 撰写穿衣建议
└── E [前端开发]: 组装 HTML
依赖: A→D, B→C, (C,D)→E

技术博客撰写：
├── Step-1 [调研]: 搜索论文
├── Step-2 [大纲]: 生成大纲
├── Step-3 [草稿]: 按大纲写初稿
├── Step-4 [润色]: 优化表达
└── Step-5 [审校]: 检查准确性
依赖: 严格串行 1→2→3→4→5

DAG 拓扑分层 ──── 层内并行，层间串行 Level 0 [A: 天气查询] ∥ [B: 展馆查询] ← 可并行 │ │ ▼ ▼ Level 1 [C: 穿衣建议] ∥ [D: 路线推荐] ← 可并行（依赖 Level 0） │ │ └────────┬─────────┘ ▼ Level 2 [E: HTML 组装] ← 汇总（依赖 Level 1） 关键路径: A → C → E（假设耗时最长，决定总执行时间）

Agent 生命周期状态机 CREATED ← 实例化 │ ▼ READY ← 等待分配任务 ─────────┐ │ │ ▼ │ RUNNING ← 执行任务 │ │ │ ┌───┴───┐ │ ▼ ▼ │ SUCCESS FAILED │ │ │ │ │ 可重试？── 是 ──→ RETRYING ──┘ │ │ │ 否 ▼ ▼ COMPLETED → 复用或销毁 │ ▼ DESTROYED ← 资源释放

混合评估流程 Step 1: Rule-based 快筛（毫秒级） → 格式检查、字段完整性、时效性验证 → 如果存在 critical 级别问题，直接返回 fail → 否则进入 Step 2 │ ▼ Step 2: LLM-as-Judge 深评（秒级） → 准确性、一致性、可读性等语义维度评估 → 每个维度独立评分，提供证据和理由 │ ▼ Step 3: 结果合并 → 计算加权总分 = Σ(维度分数 × 维度权重) → 通过/不通过判定

渐进式重试 ──── 范围逐轮缩小 迭代 1: 全面子任务执行 → EvalAgent 评估 → 发现 3 个问题 迭代 2: 仅重新执行有问题的子任务（注入反馈）→ 评估 → 1 个问题 迭代 3: 仅修复最后 1 个问题 → 评估 → 通过 ✅ 关键设计: ├── 每轮重试范围逐步缩小（全量 → 部分 → 单点） ├── 反馈信息越来越具体（从"整体质量不足"到"第3段数据有误"） └── Token 消耗逐轮递减

## 重试上下文（第 N 次尝试）

### 你上次的输出:
{previous_result.output}

### 评估发现的问题:
{具体问题描述}

### 修改建议:
{可操作的修复方向}

### 重要约束:
1. 请针对上述问题进行修复，不要从头重新生成
2. 保持上次输出中正确的部分，仅修改有问题的内容
3. 特别注意以下"不要重复"的负面提示

完整工作流时序 ──────────────────────────────────────────────────► 用户 MainAgent Sub-A Sub-B EvalAgent │ │ │ │ │ │──任务输入─→│ │ │ │ │ │ │ │ │ │ │─需求解析 │ │ │ │ │─上下文检索 │ │ │ │ │─任务分解(DAG) │ │ │ │ │ │ │ │ │ │─分发子任务1──→│ │ │ │ │─分发子任务2──────────────→│ │ │ │ │ │ │ │ │ │─执行任务1─→│ │ │ │ │ │─执行任务2─→│ │ │ │ │ │ │ │←─结果1───────│ │ │ │ │←─结果2────────────────────│ │ │ │ │ │ │ │ │─结果汇总 │ │ │ │ │─质量初检 │ │ │ │ │ │ │ │ │ │──────────提交评估──────────────────────→│ │ │ │ │ │ │ │ │ │ ┌规则检查──┐ │ │ │ │ │LLM评审 │ │ │ │ │ │报告生成 │ │ │ │ │ └──────────┘ │ │ │ │ │ │ │←──────────评估报告───────────────────────│ │ │ │ │ │ │ │─判断结果 │ │ │ │ │ │ │ │ │ │ IF verdict == "pass": │ │ → 组装最终输出 → 返回用户 │ │ ELIF iteration < max: │ │ → 注入反馈 → 重新调度 → 回到执行阶段 │ │ ELSE: │ │ → 返回最佳结果 + 评估摘要 │ │ │ │ │ │←─最终输出──│ │ │ │