企业官网建设流程全解析

Sympozium 是一个构建在 Kubernetes 之上的多智能体（Multi-Agent AI）编排平台，"多智能体委托"正是它的招牌能力：团队中的某个 AI 智能体可以调用delegate_to_persona工具，把一个子任务交给同一 Ensemble 里的另一个 persona 去执行，并同步等待结果返回。本文带你完整读懂这条委托链路——从工具调用、IPC 文件交换，到控制平面中的 SpawnRouter 如何在 8 个步骤内完成子任务分发与结果回传。

为什么需要"委托"：多智能体团队的基本协作单元 🧭

在 Sympozium 中，一个Ensemble（智能体团队）由多个预配置的 persona（角色）组成，例如 researcher（研究员）、writer（写手）、reviewer（评审）。每个 persona 有自己独立的系统提示词、技能包和工具策略，细节可参见 docs/concepts/ensembles.md。

当某个 persona 的任务超出自身专长时（比如写手需要最新资料），它可以主动"找人帮忙"——这就是多智能体委托。delegate_to_persona是委托场景的阻塞式工具：调用后父智能体会暂停，直到目标 persona 执行完毕，再把结果作为工具返回值交还给 LLM 继续推理。

这个工具只有两个必填参数（定义见 cmd/agent-runner/tools.go#L305-L326）：

一个典型的委托团队配置示例在 config/agent-configs/research-delegation-example.yaml，其中的relationships声明了谁可以把任务交给谁：

relationships: - source: researcher target: writer type: delegation timeout: "10m"

8 步委托链路：任务如何从父智能体流向子智能体 📡

整条链路的精髓是：agent 侧只负责"写文件 + 阻塞轮询"，控制平面的 SpawnRouter 负责一切编排。agent Pod 内不直接访问 Kubernetes API，而是通过共享文件系统与 sidecar 协作（IPC 协议定义见 internal/ipc/）。

第 4 步是安全与正确性的关键：TargetPersona和PackName都是 LLM 在运行时"自己说"的（不可信输入），所以 Spawner 会反查 Ensemble 状态，确认父智能体确实是该团队成员、且存在从父 persona 指向目标 persona 的delegation或sequential关系边，否则直接拒绝委托（实现见 internal/orchestrator/spawner.go#L253-L329）。

子 Run 的创建、执行与清理走的是和任何一次运行完全相同的生命周期，可参考官方架构文档中的 Persona Delegation Flow 图（docs/architecture.md）：

4 层安全护栏：确保委托不失控 🔒

多智能体系统最怕"委托失控"：无限递归、失败重试风暴、恶意越权。SpawnRouter 内置了 4 层防护：

这套"文件轮询 + 事件总线"的设计还有一个隐藏好处：父智能体的等待预算（delegateWaitBudget，cmd/agent-runner/main.go#L140-L148）与子 Run 的预算是解耦的，即使某一环失联，父侧也有兜底超时，不会永久挂起。

兄弟工具：spawn_subagents 批量子智能体

同一个 IPC 往返机制还支持spawn_subagents工具（cmd/agent-runner/tools.go#L699-L777），两者区别在于：

• 委托对象不同：delegate_to_persona把任务交给另一个 persona（不同角色、不同提示词）；spawn_subagents生成的是自己的克隆（继承父 Run 的模型、技能与配置）。
• 批量执行策略：支持parallel（并行）与sequential（串行流水线），配合failurePolicy（continue/fail-fast）决定失败后是否继续。
• 配额保护：需要挂载subagents技能才能使用，默认单批最多 3 个子任务、嵌套深度 2 层，均可在 Agent 的SubagentsSpec中调整。

SpawnRouter 对批次做了完整的状态跟踪（pendingBatch），串行模式下逐个生成、失败快速终止，全部完成后按任务顺序聚合结果一次性回传。

可观测性：每次委托都有 OpenTelemetry 追踪 🔍

多智能体系统的调试难点在于"任务到底经过了几双手"。Spawner 在创建子 AgentRun 时会启动sympozium.pod.create追踪 span，附带parent.run、spawn.depth、target.persona等属性（internal/orchestrator/spawner.go#L111-L125）；工具调用、IPC 往返也都写入结构化日志。所有 trace 汇聚成端到端的多智能体追踪链，效果如下：

配合DelegateStatus（记录每个在途委托的子 Run、目标 persona 与阶段），运维人员可以一眼看清哪条委托边正在等待、哪条已经超时。

源码地图：从哪里开始读 Sympozium 委托实现

想动手深入，建议按调用顺序阅读以下模块：

小结：Sympozium 的多智能体委托 = "agent 侧极简（写文件、等结果）+ 控制平面强管控（鉴权、限深、熔断、超时）"。delegate_to_persona让 LLM 用一次工具调用就能把任务路由给正确的 teammate，而 SpawnRouter 保证这次路由始终在策略声明的边界内完成。理解了这条 8 步链路，你就掌握了 Sympozium 团队协同的心脏。