别再单打独斗！多智能体工作流全解析：从L1到L5自主等级，一篇吃透企业级落地

关注

原创最新推荐文章于 2026-03-30 03:24:33 发布 1.2k 阅读 AI 写同款· GEO 优化 ›

SQLBot（ChatBI）：基于大语言模型和RAG的智能数据分析工具-全流程操作指南 SQLBot 是一款基于大语言模型（Large Language Model，LLM）和 RAG（Retrieval Augmented Generation，检索增强生成）的智能问数系统。借助 SQLBot，用户可以实现数据的即问即答，快速提炼获取所需的数据信息及可视化图表，并且支持进一步开展智能分析。【数据源】用来管理各类数据连接信息，是后续的智能问数和数据分析中数据的来源。新建/填加数据源：点击右上角绿色按钮可新建数据源，支持多种类型；数据源搜索：顶部搜索框支持按名称关键字快速查找数据源；阅读详情

在智能体的设计过程中，我一直觉得现在的Coze，Dfiy等有一个设计缺陷，就是无法实现多智能体的组合。大模型的关系完全是一维线性的，比如下面这样

但实际在业务流中，更多的是多维的。每个子功能都交给一个智能体进行负责。多个智能体是可以并行工作，而且还有调度智能体存在，它的作用就是分配不同的任务到不同的智能体。

这个功能要说做也是可以的，用意图识别的功能也能勉强实现。但终归是和业务本来的形态差得有点远。

但没想到，这个想法在n8n上实现了。最近, n8n的更新很频繁，升級到1.103版本后，n8n增加了不少重要的更新，其中就包括多智能体

上图是一个翻译工作流，包含1个调度Agent，3个翻译Agent。在收到用户需求后，调度Agent判断该由哪个智能体来执行任务，或者是大家一起执行。

多智能体配置

多智能体工作流的配置关键在于这个调度Agent。在这个调度Agent中，分别包含Promt以及System Message。

其中Prompt里面包含了从上一个节点传递过来的参数。而最关键的是System Message。里面定义了调度Agent的具体行为

你是一个任务调度器，不需要亲自执行任务。只需要根据用户的需求找到适合执行任务的智能体，并把用户的需求分配给他

在这里content: 奥特曼宣布发布GPT-5模型，具备博士水平。是待翻译的原句。

need: 翻译成英文，法文，日文。是这次翻译的需求。

在工作流执行的时候，明显看到三个翻译智能体都同时的开始工作。

如果把need参数改成翻译成日文。就只会有日文翻译Agent会工作，其他Agent则不会工作。

上面的工作流还可以继续扩展，在每个翻译Agent下，我都调用的是DeepSeek模型进行处理。其实还可以做到多模型的处理。

比如下面这样，新增一个Model Selector进行模型判断

在Edit field中新增一个参数用于大模型的类型判断

然后在Model Selector中指定模型个数为2个，并且给每个模型指定rule，这样就根据rule调用不同的模型。

这样在执行的过程中，就可以切换不同的大模型来进行处理

继续优化升级

上面的工作流，只下挂了一层的Agent。但第一层的翻译智能体能不能既做翻译，也做调度呢？

完全是可以的，请看下图。在翻译Agen下，又接了一层Agent。分别接了2个Agent，一个tiktok，一个是youtube。作用是根据翻译的主题，进行对应平台的文案编写，并发送到对应的平台。

首先在English这个Agent中，Prompt增加了发送平台的参数，这个参数在Edit field中设置好的

然后在System Message后增加调度的提示词

翻译完后，然后根据需要发送的平台来选择对应的Agent进行平台内容的生成, 并把output参数返回给调度Agent

并在English agent中增加了返回配置，返回带2个参数，一个是english参数，就是翻译后的英文，第二个就是tiktok，也就是tiktok文案。

最后在English Agent下挂上tiktok和youtube两个Agent

在tiktok的提示词如下。

写在最后

今天用一个简单的翻译工作流的例子，来讲解了n8n上多智能体的工作原理

这一套多智能体的实现方式可以去改造很多的场景。这种方式在工作流上更加的简洁，省去增加了N多的判断节点。

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

在这里插入图片描述

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

在这里插入图片描述

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等
在这里插入图片描述

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

在这里插入图片描述

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【`保证100%免费`】

在这里插入图片描述

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用，大模型作为其中的重要组成部分，正逐渐成为推动人工智能发展的重要引擎。大模型以其强大的数据处理和模式识别能力，广泛应用于自然语言处理、计算机视觉、智能推荐等领域，为各行各业带来了革命性的改变和机遇。

在这里插入图片描述

适合人群

在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。