经验证的多智能体编排：面向复杂查询求解的规划—执行—验证—重规划框架

我们提出经验证的多智能体编排（VMAO），一个通过验证驱动的迭代循环来协调基于LLM的专用智能体的框架。给定一个复杂查询，系统将其分解为子问题的有向无环图（DAG），通过领域专用智能体并行执行，借助基于LLM的评估验证结果完整性，并自适应地重新规划以弥补缺口。主要贡献包括：（1）在子问题DAG上进行依赖感知的并行执行并自动传播上下文；（2）验证驱动的自适应重规划，将基于LLM的验证器用作编排层的协调信号；（3）在答案质量与资源消耗之间取得平衡的可配置停止条件。在25个由专家整理的市场研究查询上，与单智能体基线相比，VMAO将答案完整性从3.1提升到4.2，来源质量从2.6提升到4.1（1-5分制），证明编排层验证是多智能体质量保障的有效机制。