责任链模式在Agent编排中的应用：让AI Agent学会“踢皮球”-程序员充电站

写在前面：

复杂的Agent系统往往需要多个专业Agent协作完成一个任务。但问题来了：当一个用户请求到达时，应该由哪个Agent来处理？是让一个“主管Agent”做路由分发，还是让Agent们自己决定谁能处理？后者正是责任链模式的核心思想——将请求沿着一条“链”传递，直到某个节点有能力处理它。

这种模式天然适合Agent编排场景：多个Agent各司其职，互不干扰，还能灵活扩展。今天这篇文章，我会用最通俗的例子讲清楚责任链模式，再结合Agent系统的实际代码，展示如何用它构建灵活、可扩展的多Agent协作框架。

一、什么是责任链模式？

责任链模式（Chain of Responsibility）是一种行为设计模式，它允许将请求沿着处理者链传递，直到有一个处理者能够处理该请求为止。每个处理者都有机会处理请求，也可以选择将请求传递给下一个处理者。

核心要点：

解耦请求发送者和接收者
多个对象都有机会处理请求
处理者可以动态组成链

二、生活中的例子

例子1：公司报销审批

员工提交报销单 → 组长审批（500元以内权限）→ 经理审批（500-5000元）→ 总监审批（5000元以上）。每一级都有处理权限，无法处理就往上“甩锅”。

例子2：客服工单流转

用户提交问题 → 机器人客服 → 人工客服 → 技术专家。机器人处理不了就转人工，人工处理不了就升级。

例子3：技术面试

应届生面试 → 技术面（基础）→ 项目面（深入）→ HR面（薪资）。每一轮都有不同的考察侧重点，上一轮通过才进入下一轮。

这些例子的共同点：请求沿着一条预先定义的路径传递，直到找到能处理它的对象。

三、在Agent系统中的应用

3.1 场景描述

假设我们构建一个智能客服Agent系统，需要处理三类用户请求：

基础问答：如“你们公司的地址在哪？” → 由FAQ Agent处理
技术问题：如“如何配置API密钥？” → 由技术文档Agent处理
投诉建议：如“我要投诉客服” → 由人工转接Agent处理

传统做法：写一个巨大的if-else路由，判断关键词后调用不同Agent。问题：新增一种请求类型就要改代码，Agent之间耦合严重。

责任链模式解法：将每个Agent封装成一个处理器，按优先级串联成链，请求依次经过每个Agent，直到某个Agent声明“我能处理”。

3.2 代码实现（Java版）

// 1. 定义处理器抽象类 public abstract class AgentHandler { protected AgentHandler next; public void setNext(AgentHandler next) { this.next = next; } // 处理请求，如果不能处理则传递给下一个 public void handle(Request request) { if (canHandle(request)) { doHandle(request); } else if (next != null) { next.handle(request); } else { // 没有处理器能处理 System.out.println("没有Agent能处理该请求"); } } protected abstract boolean canHandle(Request request); protected abstract void doHandle(Request request); } // 2. 具体处理器：FAQ Agent public class FaqAgent extends AgentHandler { @Override protected boolean canHandle(Request request) { return request.getCategory() == Category.FAQ || request.getQuestion().contains("地址") || request.getQuestion().contains("电话"); } @Override protected void doHandle(Request request) { System.out.println("FAQ Agent 回答: " + answerFromKnowledgeBase(request)); } } // 3. 技术文档Agent public class TechDocAgent extends AgentHandler { @Override protected boolean canHandle(Request request) { return request.getQuestion().contains("API") || request.getQuestion().contains("配置"); } @Override protected void doHandle(Request request) { // 调用RAG检索技术文档 String answer = ragService.search(request.getQuestion()); System.out.println("技术文档Agent 回答: " + answer); } } // 4. 人工转接Agent public class HumanAgent extends AgentHandler { @Override protected boolean canHandle(Request request) { // 投诉类请求或前两个Agent都处理不了时，转到人工 return request.getCategory() == Category.COMPLAINT; } @Override protected void doHandle(Request request) { System.out.println("转接人工客服，工单已创建"); // 调用工单系统API } } // 5. 构建责任链 public class AgentChain { public static AgentHandler buildChain() { FaqAgent faq = new FaqAgent(); TechDocAgent tech = new TechDocAgent(); HumanAgent human = new HumanAgent(); faq.setNext(tech); tech.setNext(human); return faq; // 返回链头 } } // 6. 使用 public class Client { public static void main(String[] args) { AgentHandler chain = AgentChain.buildChain(); Request req1 = new Request("你们公司在哪？", Category.FAQ); chain.handle(req1); // FAQ Agent 回答 Request req2 = new Request("API怎么配置？", Category.TECH); chain.handle(req2); // 技术文档Agent 回答 Request req3 = new Request("我要投诉！", Category.COMPLAINT); chain.handle(req3); // 转接人工 } }

3.3 责任链模式在Agent编排中的优势

3.4 进阶：支持并行+动态权重

实际Agent系统中，有时候需要多个Agent“投票”决定由谁处理，或者根据置信度分数选择最合适的节点。可以扩展责任链：

public class WeightedAgentHandler extends AgentHandler { private double confidenceThreshold; @Override protected boolean canHandle(Request request) { double score = calculateConfidence(request); return score >= confidenceThreshold; } private double calculateConfidence(Request request) { // 每个Agent根据自己的逻辑计算处理该请求的置信度 // FAQ Agent：关键词匹配度 // 技术Agent：向量相似度 return similarity; } } // 链遍历时收集所有能处理的Agent，选置信度最高的执行

这种变体在多Agent协作框架（如AutoGen、CrewAI）中很常见：每个Agent声明自己的能力（Skills），调度器根据请求匹配最合适的Agent。