用LangGraph搭多Agent协作，任务分配总乱套，怎么解？

同感，这个任务分配乱套的问题我之前也踩过坑。LangGraph本身的灵活性其实是个双刃剑，如果主Agent的决策逻辑没有明确约束，LLM很容易“自由发挥”。我试过把主Agent的system prompt写得特别细，比如明确列出“只有搜索Agent能调用搜索工具，总结Agent只能处理已返回的数据”，但效果依然看运气，因为模型有时候会忽略指令。

后来我换了个思路——直接在Graph里加一个硬性的条件分支，比如用专门的router节点来判断输入属于搜索、总结还是写报告，然后强制走对应的子Agent，主Agent只负责汇总和协调。这样一来，任务分配就不依赖LLM的随机性了，稳定性好很多。你可以试试把主Agent的“调度权”收窄，只让它决定任务的优先级或者合并结果，具体执行路径用代码逻辑写死。

另外，温度调太低也不行，有时候模型会变得过于保守，连该走的流程都不敢走。我自己的经验是temperature设到0.2-0.3之间，同时配合few-shot示例让主Agent学会正确的分配模式。总结一下，核心就是：别让LLM做它不擅长的精确调度，把关键决策点变成硬编码。

试试给每个Agent的tool description写详细点，明确限定它们的职责范围。

感觉是主Agent的意图识别太糙了，建议给每个子Agent加个明确的任务入口，用路由条件卡死分工。