37 lines
1.2 KiB
Markdown
37 lines
1.2 KiB
Markdown
---
|
||
---
|
||
title: "Knock-out Pattern"
|
||
type: concept
|
||
tags: []
|
||
sources: []
|
||
last_updated: 2026-04-25
|
||
---
|
||
|
||
# Knock-out Pattern
|
||
|
||
## 定义
|
||
多智能体系统的淘汰制模式——将任务分配给N个Agent，用验证器决定哪些表现最差的被淘汰。核心是用"适者生存"替代LLM不存在的"死亡恐惧"。
|
||
|
||
## 核心机制
|
||
1. 将任务分配给N个Agent
|
||
2. 用Validator决定要淘汰哪些Agent
|
||
3. （可选）用通过验证的Agent特征组合创建新Agent填补空缺
|
||
|
||
## ML渊源
|
||
这是传统机器学习中[[Genetic-Algorithm]]（遗传算法）的精简实现，依赖两个要素：
|
||
- **遗传表示**：解决方案域（模型+上下文）
|
||
- **适应度函数**：淘汰决策依据
|
||
|
||
## 关键要求
|
||
需要**快速验证输出的方式**（如单元测试）——如果需要人工检查所有分支，成本太高。Eval是必要基础设施。
|
||
|
||
## 适用场景
|
||
迭代式智能体工程——主要用于开发/调试阶段，不适合生产环境的高用户负载。
|
||
|
||
## 与Tree of Thoughts的关系
|
||
Tree of Thoughts是Knock-out模式的进阶实现，通过验证器持续筛选。
|
||
|
||
## 来源
|
||
- [[multi-agent-system-reliability]]
|
||
- [[Genetic-Algorithm]]
|