Meta 提出「薄编排器」架构：让路由器少做事，提升 AI 智能体可靠性

Meta 介绍「薄编排器」智能体架构

Meta 工程团队在官方工程博客发文，介绍其数据管道智能体采用的「薄编排器」（thin orchestrator）模式。据文章描述，团队构建了一个约 1300 行的编排器，将 20 多个工作流路由至 14 个专职子智能体，编排器本身不执行任何领域工作。该编排器对每个请求执行固定的 7 步协议，其中第 1 至 5 步与第 7 步为确定性步骤，只有第 6 步的委派环节涉及大语言模型推理，且推理发生在仅加载自身领域知识的隔离子智能体中。

背景：单一「全能智能体」在生产中出现幻觉

文章称，团队最初为推荐系统的数据列接入流程构建了一个掌握全部领域知识的单一智能体，该流程横跨三个代码仓库、三种编程语言和最多六个管道阶段。这一方案在演示中可用，但在生产中开始出现幻觉，例如把一个子系统的字段命名约定套用到另一个子系统。团队还评估了另一种单智能体方案：逐任务手工编写提示词时成功率为 70%–80%，缺少人工调优时降至 10%–20%。文章同时引用 Mount Sinai 一项预印本研究称，编排式多智能体系统在 80 任务批次下准确率为 65.3%，而单智能体为 16.6%。团队表示，新架构通过工作流模板复用同一批子智能体，新增用例无需编写新的智能体代码。文章称，新数据列的配置准备时间从手工的三到四天、早期配置驱动系统的大约一天，缩短到不足一小时；约三分之二的系统变更无需显著人工修改即可落地。上述数据均来自 Meta 自述，尚未见独立验证。

限制与来源

该架构面向 Meta 内部数据管道场景，文章未披露适用范围、部署地区、许可方式或对外可用性，其他团队的实际效果需自行评估。文中引用的预印本研究尚未经过同行评审。本文信息来自 Meta 工程博客 2026 年 10 月 19 日发布的文章，具体细节以原文及官方后续说明为准。