devgo.cn核心观点
- 监督者模式（Supervisor Pattern）是多智能体系统的默认架构，但存在上下文窗口容量限制、单点故障和分解视角单一等瓶颈。
- 自组织集群通过共享状态（S3桶+追加日志）协调，代理独立读写，无中心编排器，通过有限邻居可见性逐步收敛，消除吞吐量上限和单点故障。
- 三种可切换的协调算法：Amorphous（环状，每代理工作恒定，可扩展至数百代理但信号传播慢）、Mesh（全可见，快速对齐但多样性塌缩，适合≤50代理）、Swarm（最近活跃，适合大规模构思）。
- 该模式适用于大量准独立贡献的任务（代码审查、批量迁移、测试生成），不适用于严格顺序或每步需验证的场景。
- 四种典型失败模式（群体思维、漂移、热点、遗留文件）均有对应的设计选择，如每次迭代新会话、归档历史等。
内容精讲
当前多智能体系统普遍采用监督者模式：一个监督代理分解任务，分配给子代理，汇总结果。这种模式行为可预测，但监督者的上下文窗口限制了系统容量，一旦监督者失败整个运行终止，且单一分解视角导致多样性不足。AWS 博客文章提出一种替代方案——自组织集群，通过共享状态协调，并开源了 kiro-flock 参考实现。
该模式的核心是协调存在于共享状态，而非任何中心节点。三个组成部分：代理（独立进程，读写共享存储，从不互连）、共享环境（一个 S3 桶，包含方向文件、每个代理的追加日志和工作区）、方向（Markdown 文件说明目标）。每个代理运行循环：启动新会话，读取方向和有限邻居的日志，决定一个贡献，写入工件，然后追加一行到自己的日志。这一行就是唯一的协调消息，没有代理传递或确认。
代理位于逻辑环中，每个读取固定数量的邻居（由半径参数 R 设定）。完全可见性会导致集群塌缩到第一个信号，而有限可见性让信号逐渐传播，不同上下文的代理有空间发展替代方案。例如，16 个代理在环中讨论 AI 代理聚类，第一次迭代分散探索，后续迭代修正和综合，到第 7 次迭代所有代理声明空闲。
三种协调算法可运行时切换：Amorphous（环，每个代理读取半径 R 内的邻居，每代理工作恒定，最大测试规模 184 代理跨 11 个集群，但信号传播慢）；Mesh（全可见，快速对齐但多样性塌缩，适合约 30-50 代理）；Swarm（最近活跃，每个代理读取 K 个最近活跃的同伴，适合超过 100 代理的构思）。生产序列建议：先用 Amorphous 探索，Swarm 形成方向，Mesh 对齐输出。
收敛时间取决于规模和半径。在环中，一次迭代传播 2R 位置，完全传播需 ceil(N/2R) 次迭代，共识约 2-3 倍。例如，100 代理半径 2 时传播需 25 迭代（约 12 分钟），1000 代理半径 4 时传播需 125 迭代（约 62 分钟），增大半径可加速。成本模型：无始终在线的编排器或代理，按 Kiro 积分和 EC2 实例付费，加上 S3 存储和请求，以及控制平面和后分析的费用。
该模式的理论基础包括无定形计算（amorphous computing）、stigmergy（通过共享介质中的痕迹协调）和仅增长的无冲突复制数据类型（CRDT）以八卦风格传播。这些分布式系统概念已存在数十年。
失败模式方面：群体思维（Mesh 可见性导致塌缩，用 Amorphous 开放探索避免）；漂移（持久会话历史导致行为惯性，通过每次迭代新会话解决，状态仅存在于共享日志）；热点（Swarm 的 K 太小导致子任务饥饿，提高 K 或切换到 Amorphous）；遗留文件（前一次运行的陈旧文件被读取，每次启动归档 environment/ 和 store/ 到 history/）。
同一模式可向上组合集群：集群通过读取彼此的共享环境协调，类似代理读取日志。WeltenBuilder 结构包含特性集群、共享基础设施集群、QA 集群和协调集群，所有集群同时启动，无依赖图。协调集群写入冲突解决笔记，其他集群在下次迭代中获取，移除协调集群只是移除一个信号而非依赖。
参考实现 kiro-flock 开源（Apache 2.0），使用 AWS CDK 部署：S3 作为共享环境，EC2 运行代理，Lambda 和 API Gateway 作为控制平面，Cognito 处理访问，Bedrock 支持后分析。需要 AWS 账户和 Kiro 订阅。默认运行 8 代理半径 1，5-7 次迭代收敛。
阅读价值
适合对多智能体系统架构和分布式协调感兴趣的开发者。读完可深入理解自组织集群的原理、适用场景、三种协调算法的选择与组合，以及工程实践中的关键设计决策（如有限可见性、每次新会话、失败模式应对），为构建大规模多智能体系统提供参考。
内容与图片版权归原作者所有 · 原文: https://aws.amazon.com/blogs/architecture/scaling-patterns-for-self-organizing-multi-agent-clusters-with-kiro/