G5-02 · Swarm 移交模式：客服转接链

阶段：G5-多智能体系统 ｜ 预计耗时：75 分钟 ｜ 前置：G5-01 Supervisor 主管模式 代码：要你自己敲成 langgraph-learn/examples/g5_swarm.py 与 deepagents 模板一起学：deep-agents（langchain-ai/deep-agents）= "规划节点 + 子代理 + 虚拟文件系统"的现成骨架，第 5-6 周实战项目的备选底座

学习目标

1. 理解 Swarm 的本质：控制权在专家之间手递手（没有主管）
2. 搭"售前 → 售后 → 人工"转接链，与 Supervisor 做场景对比
3. 跑通 deep-agents 最小示例，读懂"规划-执行"结构

核心知识

1. Supervisor vs Swarm（一张表定选择）

• Swarm 的"移交"实现：给专家一个特殊工具 transfer_to_sale()，调用后 Command 跳到下一个 agent（G2-01 的 Command 就是干这个的）
• 防死循环：移交上限（recursion_limit）+ "移交过一次就不再移回"的规则

2. deep-agents 模板：站在骨架上

pip install deepagents -i https://pypi.tuna.tsinghua.edu.cn/simple

它提供：规划 todo 节点（把大任务拆清单）+ 子代理（按清单逐项委派）+ 虚拟文件系统（中间产物落盘）。你的 G7 项目若走"复杂调研报告"方向，直接以它为骨架，把里面节点换成你 G4 的 RAG/G3 的审批——模板 + 自己的积木 = 交付速度翻倍。

实验任务

任务 1：转接链（40 分钟）

三个 agent：welcome（欢迎+判断诉求）→ faq（问答，配 G4 知识库检索）→ human（转人工，实际是 interrupt 挂起等真人——G3-02 的审批流在这里变成客服场景） - 跑三个剧本：纯咨询 / 知识库能答的 / 需要投诉的（应一路移到 human） - 记录每次移交链路：welcome → faq → human

任务 2：死循环实验（15 分钟）

让 faq 有 20% 概率移回 welcome（用随机数模拟），观察 recursion_limit 兜底报错——然后加"同一对 agent 只允许互移一次"规则修掉它。

任务 3：deep-agents 初体验（20 分钟）

跑官方 README 最小示例；用 Studio/日志观察它的 todo 规划过程；写 3 行笔记：它比我手搭的 Supervisor 多了什么（答案：规划清单与中间产物落盘）。

验收标准

• 三剧本走通，移交链路完整记录
• 死循环触发过并修复
• deep-agents 示例跑通，3 行对比笔记完成
• 能用一句话回答"客服场景为什么选 Swarm 不选 Supervisor"

衔接下一阶段

两种模式都会了 → G5-03 何时不用多 Agent：把刀收进鞘——判断力才是稀缺品。