拒絕傳統 Router“瞎指揮”，多智能體如何實現智能任務分配？

作者 | 冬梅

企業級多智能體（Multi-Agent）系統最大的瓶頸，往往不是 Agent 不夠強，而是負責分發任務的 Router（路由器）太“傻”。傳統 Router 只會做簡單的單選分類，面對復雜的企業級故障經?！跋怪笓]”，在企業運維的十字路口，我們需要一個更聰明的“交警”。

過去一年里，Multi-Agent 架構正在成為企業 AI 的新基建。我們忙著造更強的 SQLAgent、更快的檢索 Agent，但卻發現運維系統的十字路口卻越來越擁堵了。

和想象中的 Agent 們“游刃有余”的自動協同、分工協作不同，因為傳統 Router 的上限太低、智能程度有限，很難跟上 Agent 們“匆匆忙忙”的腳步。在未來的企業 AI 系統中，Agent 越來越多，能力邊界越來越模糊，系統必須具備“承認不確定性并協作解決”的能力。

今天，騰訊云正式開源 TCAR（Tencent Cloud Andon Router）——一個只有 4B 參數，但學會了“先想清楚，再選擇”的智能路由模型，它專為解決跨域、沖突和模糊問題而生，為企業 AI 應用提供 Reasoning-centric Routing+Multi-Agent Collaboration 的基礎形態。

1 為什么傳統 Router 在企業運維場景里“玩不轉”了？

這里可以看幾個非常常見的場景：

1. 不同 agent 可能能解決一樣的問題，傳統 Router 通常為單標簽分類，只考慮選擇一個 agent，導致無法給出最優解決方案。

2. 新業務、新 Agent 隨時上線，傳統 Router 對這些“新同事”完全不了解，需重新訓練，也就無法快速分配給他們最合適的工作。

3. 用戶描述模糊、不完整。例如用戶提到“網站訪問延時”，傳統 Router 就無法確定不確定是 CDN、COS 還是網絡的問題。

4. 傳統 Router 缺乏可解釋性，黑盒決策，一旦路由錯了，沒法快速修復 badcase，后面 Agent 再強也救不回來。

總結來說，傳統 Router 面對企業場景有三大硬傷：搞不定跨域、解不了沖突、跟不上變化。

2 TCAR 的解法：像人類專家一樣“先想后做”

TCAR（TencentCloudAndonRouter）的核心很簡單，但在 Router 中幾乎沒人認真做過——把路由從直接預測標簽，變成先推理再選擇 Agent 集合。這時候，Router 不再是一個收發任務的轉接系統，而是變成了一個具備推理能力的“決策者”。它把路由過程從單項選擇變成了“寫分析報告 + 組建任務組”；它的工作職能從挑選隊列最前面的 agent 完成任務，到在專家梯隊中找到最合適的那個人選來完成任務。

它就像是一個擁有頂尖專家團隊的，高度聰明且能夠自我決策的“項目經理”。

能力一：Reason-then-Select（拒絕黑盒，把思考過程寫出來）

TCAR 在輸出 Agent 之前，會先生成一段自然語言推理鏈，明確說明問題可能涉及哪些技術棧，不同 Agent 的職責邊界，為什么多個 Agent 執行是合理的，這讓路由不再是黑盒，而是可解釋、可 Debug、可持續優化 Agent 描述。

能力二：從單挑到團戰

在 TCAR 中路由結果不再是 one-hot，而是一個 Agent 子集，這一步直接解決了企業系統中最棘手的 Agent 沖突問題：不強行壓縮決策，而是保留不確定性，交給后續協作解決。當然，這也要建立在對指令聰明且充分的理解力上。

能力三：專家會診，擇優輸出

當 TCAR 選出多個候選 Agent 后，每個 Agent 獨立給出自己的專業答案，而后由一個 RefiningAgent 負責對比、消歧、融合，最終輸出一個完整、無沖突的答案，這套模式在排障類問題上效果尤其明顯。

3 覆蓋全面、命中精準，硬核且強大

TCAR 不是一個簡單的 Prompt 工程產物，為了讓它具備上述能力，我們做了兩件比較特別的事情：

一是兩階段訓練 + 特殊融合，兼顧推理能力和選擇精度。

• 階段一 SFT（監督微調）：教會模型結構化推理，學會輸出 Agent 集合，通過 Slerp 方法融合模型。

• 階段二 RL（強化學習 /DAPO）：重點調教模型“選得對不對”。

二是專門針對多 Agent 設計獎勵函數，把路由當成一個集合預測問題，在模型覆蓋率和精確度之間形成穩定平衡。

• R1 獎勵（類似精確率 Precision）：你選出來的 Agent 里，有多少是真正干活的？（防止選了一堆沒用的配角）

• R2 獎勵（類似召回率 Recall）：關鍵的那幾個 Agent，你有沒有漏掉？（防止漏掉主角）

• 長度懲罰：防止模型為了求穩把所有 Agent 全選上。

最后，經過 CLINC150、HWU64、MINDS14、SGD、Qcloud 五個數據集的評測，TCAR 在企業高沖突數據上全面超過當前主流大模型 Router，在高歧義、跨域問題中更穩定，4B 參數量推理速度快成本低，更重要的是下游多 Agent + Refining Agent 的整體成功率顯著提升。

騰訊云還提供了全套的完整開源范式，包括：TCAR 路由模型（4B）、Prompt 規范（Router / Refining Agent）、訓練方法與實驗細節、可直接落地的多 Agent 路由范式。

• HuggingFace：https://huggingface.co/tencent/TCAndon-Router

• GitHub：https://github.com/Tencent/TCAndon-Router

• Paper：https://arxiv.org/pdf/2601.04544