工作流与多智能体编排课程 🔀（LangGraph 主干 + CrewAI / AutoGen 对比）

这是一套面向求职/转岗 AI 应用开发的进阶课程，聚焦多 Agent 协作编排——AI 架构师方向的核心能力。

前置：已学完 RAG 课程（9 课）+ Agent 课程（9 课）+ 框架进阶课程（9 课）。

本课程定位：前三门课解决的是「单 Agent + 单流程」——你已经会用 LangGraph 建一个 Agent 图、用 ReAct 调工具、带记忆带 HITL。本课进入「多 Agent 协作编排」：supervisor 动态调度、swarm 群体交接、子图模块化、并行 map-reduce、共享状态通信、多模型路由。每课继续做「你手写过的 Agent L08 流水线 vs 框架多智能体版」并排对比——杀手锏 DNA 一脉相承。

🎯 为什么学这门课？

架构师必备：多智能体系统是 2024-2026 年 AI 应用的核心架构（OpenAI Swarm、MetaGPT、Devin 都是这套）
填上前 27 课的坑：Framework L07 决策表预告了「并行/子图」但 L09 没兑现；Agent L08 exercise 留了「辩论模式」骨架没实现——本课逐个兑现
三框架横向对比：同一问题用 LangGraph / CrewAI / AutoGen 各做一遍，看清三种范式（图 / 角色 / 对话）的取舍
简历作品：L09 多智能体研究系统，从单 Agent 跃迁到多 Agent 协作

💡 核心心智：前三门课你学的是「一个 Agent 怎么聪明」，本课学的是「一群 Agent 怎么协作」——拓扑、通信、调度是三大永恒主题。

🗺️ 学习路径（共 9 节课，三段式）

第一段：LangGraph 多智能体拓扑（L01-L06）— 主干

每一课讲透一种经典架构概念（不是讲一个框架），LangGraph 只是观察它的镜头。

#	课程	讲的架构概念	对应你的手写课
01	Supervisor 主从模式	中心化动态路由调度	Agent L08（主从，讲了没写）
02	Swarm 与 Handoff	去中心化 + 状态交接	Agent L08（消息传递）
03	子图 Subgraph	模块化与复用	Agent L08（三个独立函数）
04	并行 Map-Reduce	fan-out 爆发 + reducer	Agent L08（无法并行）
05	共享状态通信	消息 / 共享态 / 黑板	Agent L08（三种通信，只写了消息）
06	多模型路由与拓扑	星型/环型/网状/层级 + 成本	Agent L08（单一模型）

第二段：横向框架对比（L07-L08）

用 L01 的 supervisor 系统做基准，换两个框架重写同一问题，看清范式差异。

#	课程	范式	对比对象
07	CrewAI 对比	角色驱动（声明式）	对比 L01 supervisor
08	AutoGen 对比	对话驱动（群聊）	对比 L02 swarm + 补辩论模式坑

第三段：毕业项目（L09）

#	课程	综合技术
09	毕业项目：多智能体研究系统	supervisor + 并行 + 共享态 + 多模型 + 子图

目前已完成全部 9 / 9 节课 🎉。每课包含原理讲解 + 可运行代码 + 练习。🎓 36 课学习之旅收官！

🚀 快速开始

与前三门课共用 .venv 环境（Python 3.11），框架已全部验证可调通智谱 GLM：

# 1. 激活环境（你已有）
.venv\Scripts\Activate.ps1

# 2. 确认 .env 里有智谱 API Key（已配好）

# 3. 跑第一课（进 L01 后）
python workflow-lessons/01_supervisor_pattern/code.py

💰 省钱：执行类 Agent 用 glm-4-flash（免费），决策类用 glm-4。L06 会专门讲多模型成本控制。

📁 目录结构

RAG-test/
├── rag-lessons/          ← 课程一：RAG 手写（已完成）
├── agent-lessons/        ← 课程二：Agent 手写（已完成，L08 是本课锚点）
├── framework-lessons/    ← 课程三：框架进阶（已完成，L06-L09 是本课 LangGraph 基础）
├── workflow-lessons/     ← 课程四：工作流与多智能体编排（你在这里）
│   ├── README.md         ← 课程总览
│   ├── 01_supervisor_pattern/
│   ├── 02_swarm_handoff/
│   ├── 03_subgraph/
│   ├── 04_parallel_mapreduce/
│   ├── 05_shared_state/
│   ├── 06_multimodel_routing/
│   ├── 07_crewai_comparison/
│   ├── 08_autogen_comparison/
│   └── 09_capstone/
├── data/ .env requirements.txt  ← 四门课共用
└── docs/                 ← 设计文档

每个课时目录统一三件套（与前 27 课一致）： - README.md — 架构原理 + 映射对比（手写 L08 vs 框架多智能体） - code.py — 可运行代码，中文注释 - exercise.md — 练习 + 思考题

💡 学习建议

每课都回看 Agent L08：那是手写多智能体的天花板（固定流水线 + 字符串拼接），本课每一课都在问「框架怎么把它做得更好」
重架构轻 API：本课核心是 supervisor/swarm/subgraph/parallel 这些架构概念，不是背 LangGraph API。换一个框架，概念依然成立
三框架对比是精华：L07/L08 不是「另起炉灶学新框架」，而是「同一问题换个镜头」——这才是架构师的思维
求职重点：L01（supervisor）、L04（并行）、L09（毕业项目）是面试和简历核心

📚 技术版本

本课程基于以下已验证的技术栈（Python 3.11 + .venv）：

组件	版本	作用
`langgraph`	1.2.7	主干框架（L01-L06）
`langchain`	1.3.11	LangGraph 依赖 + 模型集成
`crewai`	1.15.1	L07 对比框架（角色驱动）
`autogen-agentchat`	0.7.5	L08 对比框架（对话驱动，异步架构）
`autogen-ext[openai]`	0.7.5	AutoGen 接 OpenAI 兼容协议的 client
`litellm`	1.91.0	CrewAI/AutoGen 接智谱 GLM 的桥
`langgraph-supervisor`	0.0.31（L01 已验证）	supervisor prebuilt（L01）
`langgraph-swarm`	0.1.0（L02 已验证）	swarm prebuilt（L02）

⚠️ 两个已踩到的国产模型坑（将变成教学点）： - CrewAI：用 LLM(model='openai/glm-4') 走 litellm，且要关 CREWAI_TRACING_ENABLED 避免交互提示 - AutoGen：非 OpenAI 模型必须手传 model_info={vision, function_calling, ...}，否则报 ValueError