多 Agent 运行时如何基于任务复杂度、风险等级和运行时信号，在单 Agent、规划-执行、并行候选和监督校验之间动态切换，并保证状态迁移和幂等一致？

60 秒回答模板

多 Agent 系统的执行策略不是固定选一种。简单任务可以单步工具调用，复杂任务可用规划-执行，探索任务可用多候选并行，高风险任务要加入监督和人工确认。策略切换的关键是用任务特征和运行时信号控制，而不是让模型随意决定。 先定义策略集合：常见策略包括单 Agent 快速执行、Planner-Executor 分工、多 Agent 讨论、并行候选求解、Critic 校验、人工确认和降级模板回答。每种策略有适用条件和成本。 用任务特征路由：根据意图、风险等级、是否需要工具、步骤数、实时性、用户价值和证据要求选择初始策略。比如高风险写操作不应进入无监督自动执行。 运行中动态切换：当工具失败、置信度下降、循环次数过多、用户补充信息、成本超预算或证据冲突时，可以从快速执行切到重规划、校验、转人工或降级。 状态要可迁移：切换策略时要保留目标、已完成步骤、工具结果、证据、失败原因和用户确认，避免重新开始或丢失关键上下文。 评估要看收益成本：策略选择应通过任务成功率、延迟、成本、错误率、人工接管率和用户满意度评估。复杂策略若只提升少量质量但显著拖慢体验，未必值得默认启用。 最后要把方案落到可验证的指标、失败兜底和迭代闭环上。面试里不要只讲概念名词，要说明边界、取舍、数据来源、线上观测和出问题后的回滚或人工介入。