← 返回全部情报
Meta Thin Orchestrator:1300 行确定性编排器 + 14 个隔离专家代理,推荐系统列上线从 3–4 天压到不到 1 小时 的封面

·Meta Engineering·工程博客收录 2026-10-24

Meta Thin Orchestrator:1300 行确定性编排器 + 14 个隔离专家代理,推荐系统列上线从 3–4 天压到不到 1 小时

工程多智能体Thin Orchestrator推荐系统工作流模板Meta

一句话结论

推荐系统数据列上线要跨 3 个仓库、3 种语言、最多 6 个阶段;团队把单智能体改成约 1300 行、零领域知识的 thin orchestrator 加 14 个隔离专家子代理后,新列配置人工从 3–4 天降到不到 1 小时,约三分之二改动无需大幅人工修改。

打开原文 Meta Engineering:Thin Orchestrator AI Agent Architecture

背景与理念

推荐系统上线一条数据列,要跨 3 个仓库、3 种语言,最多走 6 个阶段,领域知识又多又易串味。最初把领域知识全塞进单个智能体,演示能跑通,一上线就出现幻觉和概念混用。

作者的结论是:编排该确定性,领域推理才交给隔离的专家代理。

具体做法

Thin orchestrator 约 1300 行,本身不做领域工作,只负责意图分类、字段收集、可靠性门禁和委派。领域推理交给 14 个相互隔离的专家子代理。

固定 7 步协议,只有第 6 步委派时才调用 LLM。用 workflow 模板覆盖列上线、事件上线、管线迁移等用例,同一批子代理可复用;新用例优先写模板,而不是再造一套 agent。

知识文件在运行时按需加载,共有 25 个以上文件。

关键数据/例子

新列配置的人工耗时从 3–4 天降到不到 1 小时;约三分之二的改动无需大幅人工修改。

单智能体对照:手工提示时成功率约 70–80%,不做精心提示则约 10–20%。

文章引用 Mount Sinai 预印本:多智能体在 80 任务批次上约 65.3%,单智能体约 16.6%。

创新点

第一,把「编排」做成零领域的确定性薄层,把幻觉面压到少数委派点。

第二,用 workflow 模板复用同一批专家代理,扩用例主要写模板而不是扩 agent 舰队。

第三,知识文件运行时按需加载,避免单上下文塞满导致概念串味。

可否复用

  1. 跨仓、多语言、多阶段的工程变更,优先拆「确定性编排 + 隔离专家」,不要把领域知识全塞进一个 agent。
  2. 把委派步骤钉成固定协议,尽量让只有少数步骤走 LLM。
  3. 新用例先写 workflow 模板复用现有专家,再评估要不要加新代理。
  4. 用手工提示与无提示两条基线对照,量化多智能体是否真的值得。

笔记会在输入时自动保存。