面向企业级规模化AI的事件驱动自主多智能体编排

企业AI旨在跨专家智能体走向持续的事件监控、检测与行动——但既有多智能体系统大多假设离散的请求-响应工作流——且在企业规模上少被探索。我们跨208个生产衍生的企业场景——横跨个人（<10智能体）、部门（20-80）与企业（200）规模——评估DAG计划执行与ReAct——并引入经优先级推断、相关事件合并与抢占支持持续运行的任务管理器。结果表明：主导编排性能的是规模而非任务复杂度——两架构在小规模表现良好——但在企业规模随智能体发现噪声成为主要瓶颈而退化——简单任务比复杂任务退化更剧烈。DAG计划执行在较小规模提供更高精度与结构化并行——但其更高开销在企业规模恶化；ReAct经增量处理失败而更稳健。任务管理器把高优先级队列延迟降低14-75%——并在企业规模把相关事件正确性提升超过20个百分点。