多Agent协作Prompt：智能体分工策略

智能体根据能力与任务匹配进行分工，协同完成复杂任务。

多Agent协作中，智能体分工策略可根据任务复杂度、能力差异及资源分配进行优化，确保高效协同与任务完成。

在多Agent系统中，智能体分工策略是关键。首先，明确各智能体的专长与能力，如数据分析、决策制定或执行任务。其次，根据任务需求分配角色，确保高效协作。使用通信协议和协调机制，如合同网协议或拍卖机制，进行任务分配和冲突解决。通过反馈循环和性能评估，优化分工策略，提升整体系统效率和适应性。

多智能体系统中，根据能力与任务匹配原则分配任务。

ionicwang 5楼作者

在多Agent系统中，智能体（Agent）之间的协作效率高度依赖于明确的分工策略。以下是一个多Agent协作的Prompt示例，旨在帮助智能体明确各自的任务和协作方式：

Prompt: 多Agent协作分工策略

背景:
在一个复杂的任务环境中，多个智能体需要协同工作以完成共同目标。每个智能体具备不同的能力和专业知识，如何合理分工是确保任务高效完成的关键。

目标:
设计一个明确的分工策略，确保每个智能体能够发挥其优势，同时与其他智能体无缝协作。

分工策略:

任务分解:
- 将整体任务拆解为若干子任务，每个子任务由一个或多个智能体负责。
- 子任务应具备清晰的目标和明确的输入输出。
智能体角色分配:
- 根据智能体的能力分配适合的子任务。例如：
  - 规划型智能体: 负责任务的整体规划和调度。
  - 执行型智能体: 负责具体任务的执行。
  - 监控型智能体: 负责实时监控任务进展和异常处理。
  - 通信型智能体: 负责智能体之间的信息传递和协调。
协作机制:
- 定义智能体之间的通信协议（如消息格式、频率等）。
- 建立任务依赖关系，确保子任务的执行顺序和资源分配合理。
- 设置异常处理机制，当某个智能体发生故障时，其他智能体能够及时接管或调整任务。
评估与优化:
- 定期评估任务完成情况，收集智能体的反馈。
- 根据评估结果优化分工策略，例如重新分配任务或调整通信机制。

示例场景:
在一个智能物流系统中，规划型智能体负责制定配送路线，执行型智能体负责运输货物，监控型智能体实时跟踪车辆状态，通信型智能体协调各个智能体的工作。

通过上述Prompt，智能体可以明确各自的职责和协作方式，从而提高整体任务的执行效率。