Dify 中级实验（13）：多 Agent 协作——如何编排多个智能体分工干活？

1. 业务场景

先讲一个我们实际遇到的场景。

一家咨询公司的合伙人每周要给客户交一份「企业全面分析报告」，里面要有市场、财务、技术三个维度的专业判断。以前这事靠三个分析师各写一块，再由合伙人汇总——成本高、周期长。他们想用 AI 替代：让一个 Agent 把整份报告写出来。结果呢？一个 Agent 干所有事，写出来的报告「样样通、样样松」：市场部分没有行业纵深，财务部分没有专业框架，技术部分浮于表面——一个模型很难同时具备三个专业领域的能力。

我们第一次接这类需求时，第一反应也是「让一个 Agent 把整份报告写完不就行了」。真正跑起来才发现——一个模型装不下三个专业领域：市场、财务、技术各有一套知识体系，塞给同一个 Agent，每个维度都只能泛泛而谈，报告「样样通、样样松」。

这不是个例。任何「需要多个专业视角、每个维度都需要专业知识」的场景都是这个模式：尽调报告要法律+财务+业务三路尽调、产品评审要设计+研发+运营三方意见、投资分析要宏观+行业+公司三层拆解——让一个 Agent 全包，不如让多个专业 Agent 各管一段、再汇总裁决。

2. 场景痛点

这个流程的痛点，在咨询公司的报告生产线上体现得最直接：

• 一个 Agent 专业深度不够：市场、财务、技术三个维度各需要一套专业知识，塞给同一个模型，每个维度都只能泛泛而谈，报告没有专业价值。
• 串行执行太慢：如果让一个 Agent 按顺序分析三个维度，总耗时是三段推理时间之和，客户等不起。
• 输出格式不统一：多个环节各自为政，有的输出散文、有的输出 JSON，汇总时解析失败，报告没法组装。
• 结论冲突没人裁决：市场分析师说「建议扩张」，财务分析师说「现金流紧张」，两个结论打架，报告里没人给出最终判断。

本质上，多 Agent 协作的问题不是「模型不够强」，而是「分工、并行、汇总裁决这套架构怎么搭」。

3. 方案：为什么是 Workflow 编排多 Agent

Dify 里怎么把多个 Agent 串起来？本实验给出两条可行路径：方案 A 用 HTTP 节点调用各 Agent 的 /v1/chat-messages API（真实部署）；方案 B 用代码节点模拟各 Agent 输出（导入即跑通，专注学编排逻辑）。

选它的理由：

• 并行执行省时间：三个专业分析师并行跑，总耗时 ≈ 最慢的那个节点，而不是三段串行之和；
• 职责单一、各管一段：每个分析师节点只吃自己的任务文本、只输出自己的专业结论，互不干扰；
• 汇总裁决有结构：首席分析师 LLM 拿到的三份结论带来源标注，冲突可以明确指出、给出判断，报告有专业味。

这篇文章我们就用它搭一个「多 Agent 报告生成器」：输入产品名 + 公司名 → 任务分发 → 市场/财务/技术三个专业分析师并行产出 → 首席分析师汇总成 Markdown 报告。

4. 整体架构

链路很清晰：入口收产品/公司名 → 任务分发拆成三个专业任务 → 三个分析师并行产出 → 首席分析师汇总裁决。关键设计是并行分支的输出变量名必须各不相同，否则汇合时互相覆盖，汇总结果必然错乱。

5. 模块设计

5.1 任务分发（Code）

def main(product_name: str, company_name: str) -> dict:

    product = product_name or "目标产品"

    company = company_name or "该公司"

    return {

        "market_task": "请对 {} 的 {} 产品进行市场分析（行业动态、竞品对比、市场趋势），输出 JSON 格式结果".format(company, product),

        "finance_task": "请分析 {} 的财务数据（模拟数据：营收、成本、盈利、风险），输出 JSON 格式结果".format(company),

        "tech_task": "请分析 {} 的 {} 产品的技术架构和成熟度（技术栈、优势、不足），输出 JSON 格式结果".format(company, product)

    }

5.2 专业分析师（Code 模拟，三节点同构）

每个节点只吃自己的任务文本，输出「报告文本 + JSON 串」双份，汇总与调试都有结构化数据可用：

def main(market_task: str) -> dict:

    import json, time

    time.sleep(0.5)          # 模拟 Agent 推理耗时，便于观察并行

    conclusion = {

        "market_position": "行业跟随者（模拟结论）",

        "competitors": ["竞品A", "竞品B"],

        "trend": "上升",

        "key_findings": ["目标市场年增速约15%", "竞品A 主打性价比", "本产品差异化空间在于服务"],

        "market_report": "市场分析（模拟）：任务「{}」→ 行业跟随者地位，主要竞品竞品A/B，趋势上升，建议聚焦差异化服务切入。".format(market_task[:20])

    }

    return {"market_report": conclusion["market_report"],

            "market_json": json.dumps(conclusion, ensure_ascii=False)}

财务、技术节点同理（finance_report/finance_json、tech_report/tech_json）。三个节点输出变量名必须不同，否则并行分支汇合时互相覆盖。

5.3 首席分析师汇总（LLM）

你是一个首席分析师。请综合以下三位专家的分析结果，生成一份完整的企业分析报告。

━━━ 市场分析 ━━━

{{market_report}}

━━━ 财务分析 ━━━

{{finance_report}}

━━━ 技术分析 ━━━

{{tech_report}}

要求：

1. 每个部分标注来源专家（市场分析师/财务分析师/技术分析师）

2. 如果专家之间有冲突观点，明确指出并给出你的判断

3. 最后给出综合结论和行动建议

4. 格式：Markdown 格式，包含标题、小节、要点

5. 直接输出报告正文，不要输出任何解释性文字

5.4 方案 A：HTTP 节点调 Agent API（真实部署）

方法: POST

URL: https://your-dify/v1/chat-messages

Headers:

  Authorization: Bearer {{#env.DIFY_AGENT_API_KEY#}}   # API Key 放环境变量，别硬编码

  Content-Type: application/json

Body:

  inputs: {}

  query: "{{#cd_dispatch.market_task#}}"

  response_mode: streaming     # agent-chat 应用只支持 streaming

  user: workflow-system

6. 运行验证

7. 实战坑

8. 实验文档及源码获取

• 实验文档（完整操作步骤）：DIFY-14：多Agent协作编排.md
• 源码（可直接导入）：dify102_14_多Agent报告生成器.yml

文章聚焦核心配置与采坑点；实验的完整分步操作（节点搭建/参数表/调试指引）见实验文档原文。