这篇要讲清楚一句话：

💥 Multi-Agent 的本质不是“多聊天角色”，而是“职责解耦 + 流程编排”
项目 git 地址：ai-ops-assistant-lab

---

🧠 一、为什么 Multi-Agent 很多人用错了？

很多人第一次做 Agent 系统时，会这样设计：

客服Agent：
- 问什么都能答
- 查数据
- 写SQL
- 做分析
- 出报告

❌ 问题本质：

👉 一个 Agent 做了所有事

结果：

• Prompt变复杂
• 输出不可控
• 容易“胡说”
• 难维护
• 无法扩展

💥 一句话总结问题：

👉 把系统设计成了“聊天机器人”，而不是“流水线系统”

---

🧠 二、正确思路：Agent = 职责切片

在 AI 运营助手中，我们必须这样拆：

🧩 三个核心 Agent

1️⃣ Strategy Agent（策略层）
2️⃣ Data Agent（数据层）
3️⃣ Report Agent（输出层）

---

🟢 三、Strategy Agent（策略层）

🎯 职责

👉 把“用户问题”转成“可执行任务”

💡 它做什么？

• 理解意图
• 拆解指标
• 规划分析路径

📥 输入：

最近7天用户流失情况如何？

📤 输出：

{
  "intent": "churn_analysis",
  "metrics": ["active_user", "churn_user"],
  "time_range": "7d"
}

💥 核心价值：

👉 决定“查什么”

---

🟡 四、Data Agent（数据层）

🎯 职责

👉 把策略转换成“数据查询”

💡 它做什么？

• SQL生成
• 数据查询
• 数据返回

📥 输入：

{
  "metrics": ["active_user"],
  "time_range": "7d"
}

📤 输出：

{
  "active_user": 1234,
  "churn_user": 321
}

💥 核心价值：

👉 决定“怎么查数据”

---

🔵 五、Report Agent（输出层）

🎯 职责

👉 把数据转成“人类可读报告”

💡 它做什么？

• 数据解释
• 趋势分析
• 输出报告

📥 输入：

{
  "active_user": 1234,
  "churn_user": 321
}

📤 输出：

# 用户流失分析报告

- 活跃用户：1234
- 流失用户：321

结论：流失率较高，需要优化留存策略。

💥 核心价值：

👉 决定“怎么表达结论”

---

🧠 六、完整链路（非常重要）

User Question
   ↓
Strategy Agent
   ↓
Data Agent
   ↓
Report Agent

💥 一句话总结架构：

👉 Strategy 决策“查什么”，Data负责“怎么查”，Report负责“怎么说”

---

🧠 七、为什么这样拆是正确的？

---

💥 1️⃣ 解耦复杂度

Agent	复杂度
Strategy	业务逻辑
Data	SQL逻辑
Report	文本生成

💥 2️⃣ Prompt更稳定

👉 每个 Prompt 只解决一个问题

💥 3️⃣ 可替换性

你可以：

• 替换 Data Agent → Doris / MySQL
• 替换 Report Agent → GPT / Claude
• 替换 Strategy Agent → 更强模型

💥 4️⃣ 更容易扩展

后面可以加：

• Alert Agent
• Visualization Agent
• Tool Agent

---

🧠 八、Prompt设计（核心重点）

🟢 1️⃣ Strategy Agent Prompt

你是一个数据策略分析器。

请从用户问题中提取：
- 分析意图
- 指标列表
- 时间范围

输出JSON结构，不要解释。

🟡 2️⃣ Data Agent Prompt

你是SQL生成器，请根据指标生成查询逻辑。

要求：
- 不允许猜字段
- 只能使用给定指标
- 输出SQL或查询计划

🔵 3️⃣ Report Agent Prompt

你是数据分析师，请根据数据生成业务报告。

要求：
- 简洁
- 结构化
- 有结论

---

🧠 九、工程实现建议（非常重要）

🧩 不要让 Agent“互相调用”

👉 正确方式：

workflow控制调用

❌ 错误方式：

Agent A 调 Agent B

💥 推荐架构：

Workflow（控制层）
   ↓
Agent1 → Agent2 → Agent3

---

🧠 十、这一篇的本质（一定要记住）

💥 一句话总结：

👉 Multi-Agent 的核心不是“多模型对话”，而是“职责拆分 + 流程编排”

---

🚀 下一篇预告

👉 《从Mock到真实数据：Doris接入与AI数据查询系统设计》