摩根大通公开了其内部多智能体系统Ask David的完整架构,该模式在投资研究领域已得到验证。其核心与当前主流Agent架构高度一致:由一个监督智能体进行整体编排,多个专业子智能体分别处理检索、结构化数据和分析等任务,在最终输出前使用LLM-as-judge进行反思与质量把关,并引入人工干预作为最后一道准确性保障。这一模式在多个领域反复出现,表明可落地的多智能体系统的关键在于清晰的分工、监督、反思与人工兜底形成的闭环,而非简单堆叠模型,对企业级Agent开发具有重要参考价值。
JP Morgan刚刚把内部多智能体系统Ask David的完整架构公开了。
个人觉得在很多场场景有参考学习的意义,构建多Agwnt框架可以使用。
这套系统在投资研究领域已经跑通,核心模式和当前最火的Agent架构高度一致:
- Supervisor agent负责整体编排
- 专业subagent分别处理检索、结构化数据、分析等细分任务
- LLM-as-judge作为反射节点,在最终输出前做质量把关
- Human-in-the-loop填补最后一道准确性缺口
最值得注意的是,这套模式正在多个领域反复出现。
它证明了:真正能落地的多智能体系统,不是简单堆模型,而是清晰的分工 + 监督 + 反思 + 人工兜底的闭环架构。
对所有在做Agent的人来说,这段视频值得反复看。
你觉得Ask David这种架构,会成为企业级Agent的标准模板吗?