Multi-Agent Orchestrator

Répartissez le travail sur de nombreux éléments en parallèle, exécutez des agents sur chacun et fusionnez les résultats en une seule sortie classée ou groupée. L'orchestrateur coordonne l'exécution, regroupe les scores et déduplique les résultats entre les lots.

Qu'est-ce que l'Orchestrateur?

Lorsque vous avez des centaines d'éléments à traiter (investisseurs à noter, pistes de recherche, candidats à évaluer), les exécuter one-by-one via un flux de travail est trop lent. L'orchestrateur divise une liste en lots, exécute chaque lot en parallèle (chaque lot obtient son propre agent ou ses propres étapes AI), puis combine tous les résultats.

L’étape de combinaison n’est pas une simple concaténation. L'orchestrateur peut classer par score, dédupliquer entre les lots, regrouper en niveaux (supérieur/moyen/inférieur), calculer les distributions et hydrater les résultats finaux avec les données du Knowledge Graph.

Comment ça marche

1. DistributionL'orchestrateur divise la liste d'entrée en lots de taille configurable. Chaque lot s'exécute en tant qu'exécution enfant avec sa propre chronologie et ses propres journaux.

2. ProcessusChaque lot exécute les mêmes étapes (étapes AI, étapes d'agent, actions d'application). Référence des étapes {{batch.items}} pour accéder à leur tranche de l’entrée.

3. AgrégatUne fois tous les lots terminés, l'étape d'agrégation fusionne les résultats: déduplique par champ d'identité, classe par score, regroupe en niveaux et calcule des métriques récapitulatives.

4. SortieLe résultat final du flux de travail est le résultat agrégé: une liste classée unique, une répartition par niveaux ou un rapport de distribution, prêt pour l'étape suivante ou l'exportation.

Configuration de l'agrégation

Ensemble batching.aggregationConfig sur l'étape batch pour contrôler la façon dont les résultats fusionnent:

aggregationConfig: {
  enabled: true,
  itemPath: "scoring.rankedInvestors",  // dot-path to per-item results array
  deduplicationField: "investorId",      // deduplicate across batches by this field
  scoreField: "matchScore",              // numeric field to rank by
  qualifiedCutoff: "{{inputs.minScore}}", // template for dynamic threshold

  groupTiers: [
    { label: "top",  minScore: 80 },
    { label: "mid",  minScore: 60 },
    { label: "low",  minScore: 0  }
  ],

  aggregateByFields: ["geography", "sector"],  // compute distributions
  scoreHistogramBands: [
    { label: "80–100", min: 80, max: 100 },
    { label: "60–79",  min: 60, max: 79  },
    { label: "0–59",   min: 0,  max: 59  }
  ]
}

cheminélément - Chemin dot-notation à l'intérieur de chaque résultat de lot où se trouve le tableau des éléments notés.

champ de déduplication — si la même entité apparaît dans plusieurs lots (par exemple, une entreprise dans deux lignes CSV), ce champ sélectionne la copie higher-scored.

groupeNiveaux - au lieu d'une liste classée, génère des tableaux séparés par niveau (utile pour acheminer les flux de travail supérieurs et moyens vers différents).

agrégatByFields — calcule la répartition des résultats entre les champs catégoriels (par exemple, 42 % US, 31 % EU).

Mesures commerciales

Après l'agrégation, l'orchestrateur calcule les KPI pour tous les lots. Ceux-ci apparaissent dans le résumé de l'exécution et sont stockés dans Knowledge Graph:

Type métrique	Exemple
somme / compte	Total des investisseurs notés: 1 842
moy / min / max	Score de match moyen: 67,4 \| Le plus élevé: 94
percent_above	18,3 % ont obtenu un score supérieur au seuil
distribution	Répartition sectorielle: 34 % fintech, 22 % SaaS, 19 % climat

Observabilité

Chaque lot crée sa propre chronologie enfant, vous pouvez donc explorer n'importe quel lot individuel pour voir exactement ce que chaque étape de l'agent a fait. La chronologie d'exécution parent affiche la vue globale:

•Statut du lot (en attente / en cours d'exécution / terminé / échoué) par exécution enfant
•Synchronisation par étape et utilisation des jetons cumulés sur tous les lots
•Les lots ayant échoué sont signalés et peuvent être réessayés individuellement sans re-running l'intégralité du travail
•Mesures agrégées et nombre de niveaux affichés dans le panneau de résumé d'exécution

Exemple: jumelage d'investisseurs à grande échelle

Une société VC organise des rencontres entre investisseurs et plus de 2 000 investisseurs. Voici comment l'orchestrateur participe:

Saisir2 000 lignes d'investisseurs du investors Liste de connaissances, filtrée pour status: active.

LotsDivisé en 20 lots de 100. Chaque lot exécute un agent de notation qui lit le ICP de Business Memory et note chaque investisseur.

AgrégatLa déduplication supprime 47 entrées en double. Résultats classés par score, répartis en niveaux supérieurs (82 investisseurs) / moyens (310) / faibles (1 561).

SortirLes investisseurs de premier plan ont répondu au shortlist Liste de connaissances. Regroupez les métriques stockées dans KG en tant que nœud d'informations.

Prochaines étapes

Agents comme étape — Comment fonctionnent les étapes individuelles des agents à l'intérieur de chaque lot
Traitement par lots — Stratégies de configuration par lots, de concurrence et de nouvelle tentative
Notation et commentaires — Réinjectez les résultats agrégés dans le Knowledge Graph pour améliorer les exécutions futures
Knowledge Lists - Charger les lignes d'entrée et réécrire les résultats des niveaux