多智能体产物结构化约束实践 —— 给 AI 校园活动策划器加一层 “业务守门人”
最近在基于 ai-campus-event-planner 做多智能体校园活动策划的落地调试,遇到一个很典型的多 Agent 协同痛点:大模型自由生成的内容 “看起来像那么回事”,但经常踩业务规范的坑。
这个项目里,不同角色 Agent 分工产出活动方案、预算明细、风险预案、宣传物料。各个智能体独立调用 LLM,缺少统一的输出契约。我们会发现这类问题:预算里出现学校财务不支持的经费类目、安全报备必填项偶尔丢失、风险等级字段文字写法不统一,有的写「高」有的写「高危」,下游导出 Excel、对接校内审批表单的时候直接解析失败。
很多人解决这个问题的第一思路是疯狂改提示词,在 prompt 里反复强调格式、枚举、必填项。但实战下来发现这个方案很脆弱:模型随机性强,长上下文下很容易遗忘约束;而且如果换一所学校、换一个社团,审批规则变了,就要批量修改所有 Agent 的 prompt,维护成本很高。
于是我们想到引入领域 Schema 校验中间件作为独立的一层,和业务 Agent 解耦。核心思路不是强行让 LLM 一次输出完美内容,而是把 “生成” 和 “校验” 两个职责拆开:
- 各 Agent 仍然专注内容创作,不用在 prompt 里堆砌大量格式规则;
- 所有产物汇聚到调度层之后,先交给 Schema 校验器做结构化校验;
- 校验不通过时,携带错误信息回传给对应 Agent 进行迭代修正,形成闭环;
- Schema 本身做成可配置包,不同学校、社团可以挂载自己的枚举规则、必填字段、数值限制。
这里有一个踩坑心得:不要把 Schema 校验做成强阻断。校园活动策划属于创意 + 审批混合场景,部分文案类宣传内容不适合硬约束。所以设计上做成开关可选,只对预算、报备信息、风险台账这类结构化业务数据开启校验,保留文案创作的自由度。
同时我们会持久化每一轮校验日志:记录失败字段、迭代轮次、原始模型输出。日志除了排查问题,还能反向优化提示词集,统计哪些约束是模型高频翻车点,长期沉淀领域提示词经验。
这套模式放在多 Agent 系统里是通用的,不局限校园活动场景。很多 Agent 应用都卡在 “生成自由但不可控” 这个瓶颈。单纯依赖 Prompt 工程的可控性上限很低,在面向有固定审批、表单、财务规范的 ToB / 校内政务类场景,Schema 契约 + 后置校验 + 自动回滚迭代,是性价比很高的可控性方案。
后续我们计划在项目中提交相关 Feature 建议,把这套校验插件化能力内置到项目框架中,给社区提供可复用的校园活动领域 Schema 样例。
- 点赞
- 收藏
- 关注作者
评论(0)