黑板架构:当多个 Agent 面对没有标准答案的问题

Cosolar 6 阅读 AI Agent架构与设计

黑板架构:当多个 Agent 面对没有标准答案的问题

封面:多个 Agent 围绕共享的观察、假设与验证结果协作

引子:真正的难题不是"怎么把任务分下去"

搭多 Agent 系统时,最直觉的做法是 Manager-Worker:把一个大任务拆成有依赖关系的子任务,分给不同 Worker,再汇总结果。需求明确、路径已知时,这招很好用——写个报表导出功能,就拆成需求分析、接口实现、测试、代码审查,按部就班。

但有一类任务不是这样。比如排查"报表导出 API 偶发超时":目标很明确,路径却完全未知。日志 Agent 发现大请求更易超时,指标 Agent 发现应用 CPU 升高而数据库正常,代码 Agent 找到同步序列化与压缩的可疑路径。每出现一条新线索,下一步调查方向就可能被改写。

这时候真正的瓶颈不是"谁干哪块",而是两个问题:

  1. 一个新发现,怎样变成所有参与者都能使用的共同依据?
  2. 当前信息下,该由谁继续推进?

黑板架构(Blackboard Architecture)给出的答案是:不要让 Agent 互相传话,让它们围绕同一份 evolving 的问题状态工作。

一、这个答案并不新:一次被重新发现的老思路

黑板架构不是 Agent 时代的新发明。它最早于 1973—1976 年在卡内基梅隆大学的 HEARSAY-II 语音理解系统中创立,1980 年 Erman、Hayes-Roth、Lesser 与 Reddy 在 Artificial Intelligence 第 14 卷发表了对该模型的完整描述,后来又在 HEARSAY-III 中被泛化为通用问题求解框架,Hayes-Roth 在 1985 年的 BB1 中进一步把"控制知识"本身也放上了黑板。

为什么是语音识别催生了它?因为语音理解天然需要声学、音素、词、句法、语义多个层级的知识共同作用,而且低层的错误要靠高层的上下文来纠正。流水线式处理一旦前级出错,后级只能将错就错;而让所有专家围着一块"黑板"看当前的最佳解释,谁发现新证据谁就往上写,其他专家再据此修订自己的判断——这就是所谓的机遇式问题求解(Opportunistic Problem Solving)。

今天的多 Agent 复杂任务,遇到的正是同构的问题:非单调推理、多专业协作、执行顺序无法事先确定。

经典黑板模型由三部分组成:

  • 知识源(Knowledge Source):各有所长的独立专家,彼此不直接通信;
  • 黑板:分层组织的共享工作区,存放问题和求解过程中的中间状态;
  • 控制机制(Controller / Scheduler):根据黑板状态和各知识源的激活条件,决定下一步激活谁。

我的理解是,这里真正关键的设计是把"专业知识"和"协调逻辑"拆开了。一个知识源只需要回答"我能贡献什么",控制器回答"现在该谁上"。因此,新增一个专业 Agent 的成本,不是去改动它与所有其他 Agent 的通信关系,而是注册一组触发条件。这是黑板架构比点对点消息更容易扩展的根本原因。

一图概览:多个 Agent 如何围绕黑板协作

知识源:各司其职,互不直连
观察 + 证据引用
指标线索
待验证假设
测试结果
读取状态
按条件激活
按需读取
日志 Agent
指标 Agent
代码 Agent
测试 Agent
黑板
观察 / 假设 / 验证结果
控制器
监控状态 + 激活条件

二、一次故障排查,看懂"状态如何推动协作"

原文给了一个很好的假设性场景(注意:这是用于解释机制的示例,不是真实故障记录)。我把它画成时序图,会更直观:

黑板测试 Agent控制器代码 Agent指标 Agent日志 Agent黑板测试 Agent控制器代码 Agent指标 Agent日志 Agent写入观察:大请求更易超时(附日志引用)写入观察:CPU 升高,数据库响应正常读取线索,写入假设:序列化/压缩 CPU 开销过高状态变化:出现待验证假设满足复现条件,激活测试 Agent写入测试条件与结果:大请求确实增加相关路径 CPU 开销读取结果,继续定位具体代码路径、评估优化方案

注意黑板上的每条记录,本质都不是一条"消息",而是一次带上下文的状态变更:它记录类型、具体内容、来源依据、提交者、时间和当前状态。所以下一个 Agent 接手时,不必先问"这是谁说的、可不可信、针对哪一轮",可以直接在此基础上继续工作。消息传递解决的是"信息如何送达",黑板解决的是"信息如何沉淀成下一步行动的依据"。

从发现异常到回写结果的协作流程

三、我的理解:黑板的价值在"选择性共享",而不是"全部公开"

原文有一处容易被略过,但我认为是整套机制的灵魂:日志分析 Agent 在自己的工作上下文里保留完整日志,只把关键观察和证据引用写入黑板。

为什么这很重要?因为黑板不是"共享内存",也不是"共享文件夹"。它应该是一本认知账本:只记录那些"会影响集体下一步判断"的加工后信息。把原始日志、完整对话历史、所有中间推理都倒进去,不是在增强协作,而是在制造上下文污染——后来的 Agent 会在噪声里迷路。

我在设计一块黑板时,会用三个问题做闸门:

  1. 这条信息是否被两个以上的参与者需要?
  2. 它是否会改变别人的下一步动作?
  3. 它能否给出来源或证据,让别人复核?

三个答案都是否,就留在 Agent 自己的上下文里,不要上黑板。

进一步,黑板上的信息应严格区分三级状态:

  • 观察结果:已发生的现象 + 具体证据引用;
  • 待验证假设:推测内容 + 支持它的观察 + 下一步要验证什么;
  • 阶段性结果:测试条件 + 执行结果 + 该结果支持还是削弱了哪个假设。

黑板记录示例:信息类型、当前记录、来源、提交者与状态

这里还有一个我认为特别值得警惕的点。原文提醒:有些实现会记录置信度,但置信度不能代替证据来源和验证状态,也不应仅凭 Agent 自报的置信度判断哪条信息更可靠。我的理解是:在多 Agent 系统里,置信度只是模型的主观感受,证据链才是可复核的客观依据。把一句"我 90% 确定是序列化问题"当成事实写上黑板,后面所有 Agent 都会在这个错误前提上继续推理——个体的幻觉会通过共享状态被整个系统放大。黑板放大正确的观察,也同样放大错误的判断。

四、控制器不是配角:机会式问题求解需要边界

"谁来决定下一个 Agent 什么时候参与?"原文给了两条路:

  • 控制器:监控黑板状态,按预设条件激活相应 Agent;
  • 机会式问题求解:Agent 自己关注黑板,发现能贡献时主动参与。

原文说两者可以结合。我的理解是:这两条路其实回答的是两个不同的问题——机会式解决"谁来发现新机会",控制器解决"谁有权执行"。前者扩展了系统的感知面,后者保证行动不会失控。

真正落地时,至少要回答四件事:

  1. 触发条件:什么状态变化值得唤醒一个 Agent?不是每次写入都要广播。
  2. 幂等去重:测试 Agent 订阅"待验证假设"的变化时,要为记录设置唯一标识或版本号,并记录自己处理过的版本,避免同一条更新反复触发执行。这是原文明确点出的实践。
  3. 冲突裁决:两个 Agent 对同一问题判断不同,不应让后写入的内容简单覆盖先前记录。保留不同版本及来源,再用证据去验证。
  4. 终止条件:什么时候停止调查?黑板架构本身的循环并不提供终止判断,需要显式定义"目标已达成"或"没有参与者能继续推进",否则系统可能无限地生成新假设。这是我的工程推论,也是很多自治 Agent 循环容易踩的坑。
否
是
否
是
Agent 写入记录
观察 / 假设 / 结果
控制器检测状态变化
是否满足某 Agent
的激活条件?
按优先级选择参与者
执行并回写结果
目标达成,或
无人可继续推进?
结束本轮协作

五、别把"协作拓扑"和"协调机制"混为一谈

原文里一个很重要的澄清是:黑板描述的是一种协调机制,而 Orchestration(管理者模式)、Peer Collaboration(对等协作)、Decentralized(去中心化)描述的是 Agent 之间的协作拓扑。它们属于不同维度,可以自由组合。很多人把黑板架构和 Manager-Worker 并列成"两种架构",其实是范畴错误。

可组合
可组合
多 Agent 协作系统
协作拓扑:谁和谁连接
协调机制:围绕什么组织行动
Orchestration / Manager-Worker
Peer / Decentralized
消息传递
黑板 / 共享状态

放在一起比较,边界会更清楚:

方式关注点更适合
直接消息传递信息如何送达、路由给谁交接明确、参与方固定
Manager-Worker任务如何拆解、依赖如何安排路径已知、步骤可预设
共享文件系统工作产物如何存放与交换交换报告、代码等成品
黑板架构共享信息如何推动后续工作路径未知、发现会改写方向

消息传递与黑板架构的对比

共享文件系统可以成为黑板的实现基础,但"让几个 Agent 读同一批文件"不等于"系统已经具备黑板协调机制"。差别就在于有没有把信息组织成能驱动下一步行动的状态,以及有没有相应的激活与调度规则。

六、什么时候不要用黑板

按原文给出的判断,黑板适合解决路径事先未知、需要不同专业能力、且新发现会改变他人工作的任务:复杂故障排查、科学假设生成、多来源情报分析都在此列。反过来,如果任务简单、步骤明确,或者只是"一个 Agent 把结果交给另一个 Agent",直接消息传递或任务分解就够了。

采用黑板架构要付出四项工程成本,原文总结得很到位:状态维护(区分观察、假设与结论,保留来源与验证状态)、更新协调(版本与历史,避免并发覆盖)、参与控制(合理触发条件,避免重复执行)、访问边界(共享空间不等于所有参与者权限相同)。

用我自己的话说:黑板架构是拿"额外的基础设施成本"换"对不确定性的适应能力"。只有当问题路径的不确定性足够高,这笔交易才划算。它也不承诺信息实时一致,更不保证写入的结论正确——共享只是让信息可用,不让信息天然可信。

结语

黑板架构最深刻的一点,是把"多 Agent 协作"从一个通信问题重新定义成了一个状态问题:与其设计谁给谁发消息,不如设计一份所有人都看得懂、能追溯、可继续加工的问题状态,再让专业能力在合适的时机进来贡献。

原文最后预告的下一期话题——身份确认、访问控制、操作追踪——并不是另起炉灶,而是黑板架构的必然延续:一旦一份状态成为集体行动的依据,就必须回答"谁有资格写、谁为这条记录负责"。 共享状态的价值和风险,来自同一个源头。

参考文献: Agent 小知识|黑板架构:多个 Agent 如何协作解决复杂问题?