1 天到 1 小时：咨询 AI 智能体的多代理工作流设计

讲师做企业咨询报告的真实流程：上午调研、下午整理 14 份问卷、晚上对照 20+ 张专业表单做交叉分析、写报告评语。从数据进来到报告出来，1 个工作日打底。

但更深的问题不是"慢"，是 质量不可控。报告质量上下限取决于讲师个人经验：高水平讲师能在数据里挖出"销售费用增长 32% 但人效下降 8% 的隐含管理问题"；新讲师只能写"销售费用增长，建议关注"。

规模化的瓶颈不是培训新讲师 —— 是经验本身 装不进文档。这是 AI 智能体的真正机会：把"高水平讲师的隐性流程"显性化、模块化、可复制。

最直觉的方案：把 14 份问卷 + 20 张专业表单全塞进一个长 prompt，让大模型直接出报告。

GPT-4 / Claude 3.5 都能容纳 100K+ tokens，理论上够。但能容纳并不等于能正确处理。长 prompt 里：模型注意力稀释、重要信息被淹没；推理跳层"忘记"中间步骤；输出风格漂移，前 5 页严谨后 5 页变水；一个调整重跑全流程，迭代效率为零。

工程上更糟的是 不可调试：报告里某段评语错了，你不知道是哪部分输入害的。整个 prompt 是一个黑盒。

这个方案 demo 阶段能跑，上线必死。

咨询行业的 SOP 早就给出了拆分线索 —— 六大维度，每个维度一个独立智能体。

模块一 基础情况（数据核验 + 信息补全）/ 模块二 经营业绩（财务数据 + 战略历史）/ 模块三 瓶颈诊断（增长曲线 + 关键阻碍）/ 模块四 战略定位（行业坐标 + 竞争格局）/ 模块五 激励机制（组织架构 + 薪酬结构）/ 模块六 执行力（流程效率 + 落地阻力）。

每个智能体只负责一个维度，prompt 短、上下文聚焦、输出格式可锁。职责越窄，质量越高。

更重要的：每个智能体可以 独立迭代。如果"模块三 瓶颈诊断"需要升级，只改这一个 prompt，其他五个不动。这种隔离性是单 prompt 方案永远拿不到的。

六个智能体不是顺序串行 —— 它们之间有 依赖关系。

模块一是其他所有的输入前提（基础数据未确认前其他模块跑出来都是错的）；模块二三四五六 可以并行执行（互不依赖）；最终把六个模块的产出综合成一份报告。

工程上用工作流引擎编排：LangGraph / Temporal / 自研 DAG 调度器。关键不是用什么引擎，是把依赖关系显式化 —— 而不是埋在 prompt 里靠 LLM 自己琢磨。

DAG 编排的额外好处：能并行的智能体并行跑，省下大块墙钟时间。这也是"1 天到 1 小时"里最大的一份贡献。

咨询智能体要"记住"很多东西：客户公司的过往对话、历次访谈记录、行业基准数据、上次报告的结论。这些 不能塞 prompt —— 累积下去 prompt 会爆炸。

正确架构是 三层外置记忆：向量库（Milvus / Weaviate）存历史对话和文档片段，按语义检索；图谱（Neo4j）存组织架构和业务关系，按实体遍历；关系库（PostgreSQL）存财务数据和 KPI 时序，按时间和维度查询。

智能体按需检索（RAG），只把 相关的 5% 内容 拉进当前 prompt。这样既保留长期记忆，又不污染当前推理。

记忆的难点不是"存"，是"取"。让智能体知道"什么时候该去查记忆库"是 prompt 工程的核心。

LLM 的两个公认弱点：精确计算 + 实时数据。

财务比率（毛利率 / ROE / 应收账款周转天数）—— 让 LLM 算？错位率 30% 以上。给它一个 Python 工具，让它"调用"计算器，结果 100% 准。

行业基准、企业工商信息、政府公报数据 —— LLM 训练截止时间之前的值不一定准。给它一个 API（国家统计局 / 工商信息 / 行业研究库），让它"查询"。

工具 schema 用 JSON Schema 严格定义。每个工具有 input / output 类型校验，调用失败有 retry / fallback。智能体不"扮演"会计、它"调用"会计软件。

单 prompt 出错只有 1 个失败点，多智能体出错有 6 个。没有可观测性就别上多智能体。

工程上必须可观察：每个智能体的 input / output / system prompt 全记录；工具调用的请求 / 响应 / 错误码；DAG 上每个节点的运行时长 / 状态；失败 retry / 降级路径。

工具：Langfuse / LangSmith / 自研 Trace 系统（基于 OpenTelemetry）。

报告里某段评语错了 —— 5 分钟定位到是模块三 prompt 漂移、还是工具调用拿错数据、还是模块一基础数据不全。

Demo 阶段能跑、生产环境必崩 —— 多智能体不是"组合几个 prompt"那么轻松。

最后一个常被误解的点：这个项目的关键不是"用 AI 替代讲师"。

讲师角色变了，但没消失。原来一整天 亲手做 六大维度分析；现在 1 小时 审核 + 修改 六个智能体的产出。

讲师变成"智能体的总编辑"：审 AI 拿数据准不准、看 AI 推理逻辑对不对、改 AI 评语口吻（让报告读起来像专家而非机器）、加 AI 学不到的"现场感受"（访谈时客户的犹豫与表达）。

效率提升 8 倍来自 模块并行 + 工程化 —— 不是模型本身变快了。

AI 智能体是工具，工程化才是答案。这是这个项目和 90% 的"AI 替代人"叙事最大的差别。