Skip to content
Agent Shared Wiki

Agent Resource Optimization

说明如何把多 Agent 和自动化规划视为预算、能力、容量和风险约束下的优化问题。

Updated View as Markdown

Agent Resource Optimization

Summary

多 Agent / 自动化系统的规划问题可以先视为资源约束下的优化问题：在预算、能力覆盖、延迟、容量和风险限制内，决定保留哪些 Agent、把任务分配给谁、以及请求如何路由。这个概念补充 [[agent-orchestration-production-tradeoffs]] 的拓扑取舍和 [[production-ai-agent-evaluation-framework]] 的成本/延迟观测层。

Core principle

不要凭直觉堆 Agent、模型或工具。先把系统约束翻译成：

  • 决策变量：哪些 Agent 被启用，任务分给谁，请求走哪条路径。
  • 约束条件：预算、能力覆盖、Token、延迟、容量、人类审核负担、失败风险。
  • 目标函数：最小化成本、最大化任务价值、最大化能力覆盖，或在给定预算下最大化产出。

这页编译自 [[towardsdatascience-agent-planning-operations-research-2026-05-20]]。原文使用 Python + Gurobi 展示运筹学建模方式，但工具不是本页重点；可复用的是建模边界。

Four optimization frames

1. Set covering: ability coverage

问题：用尽量少的 Agent 覆盖所有必要能力。

AI Agent 含义：当 skill、脚本、subagent 角色变多时，不应只问“还缺哪个 Agent”，还要问“现有 Agent 是否已经覆盖需求、是否有冗余重叠”。集合覆盖适合做能力盘点和合并候选识别。

2. Assignment: task-to-agent matching

问题：把每个任务或项目分配给最合适的 Agent，以最大化总价值或成功率。

AI Agent 含义：复杂任务不一定需要更多 Agent，而是需要更清楚的分派准则：哪个 worker 处理研究、哪个处理代码审查、哪个处理验证；父 agent 仍负责综合与最终验证。

3. Knapsack: budget-constrained selection

问题：在固定预算内选择收益最高的一组 Agent。

AI Agent 含义：预算不只包含 API 成本，也包括上下文窗口、执行时间、人类注意力、验证成本和失败恢复成本。适合评估哪些 automation 值得保留，哪些只能作为候选或手动流程。

4. Network flow / routing: constrained request movement

问题：在节点容量、通信成本和需求量约束下规划请求流向。

AI Agent 含义：如果未来出现高频路由、模型分层、轻重任务分流或本地/云模型混合调用，网络流视角比简单 round-robin 更合适。但它必须先经过项目级验证，不能直接变成 runtime 默认规则。

What to preserve

  • Agent 规划应显式建模决策变量、约束和目标函数。
  • 能力覆盖、任务分配、预算选择、请求路由是四类不同问题，不应混在一个“多 Agent 更强”的口号里。
  • 成本管理不只是缩短 prompt；也包括角色合并、任务分派、路由路径、验证开销和失败恢复。
  • 运筹学模型适合做离线规划、候选方案比较和 checklist，不等同于运行时自适应调度。

What not to preserve as defaults

  • 原文中的 $20k、$4,000、215M Token、40.6%、33% 等数字只来自 synthetic data。它们可作为数量级示例，不是 AI Agent 阈值。
  • gurobipy / Gurobi 是候选工具线索，不是默认依赖或强制技术栈。
  • 文章示例不能直接授权修改 AI Agent runtime、skills、cron、MCP、profile 或 router。

AI Agent mapping

Wiki

本页属于概念层：回答“如何把 Agent 能力、成本、预算和路由建模为优化问题”。

Skill / memory / runtime

暂不升级。只有当本地项目反复需要 Agent ROI、能力覆盖或路由规划，并且已有可复验 checklist / fixture / run log，才考虑提炼为 skill reference 或项目模板。

Project validation candidate

可在 Agent 应用 项目中做一个只读检查：列出现有 skills、scripts、cron、subagent 用法，按能力覆盖、重叠、成本、验证负担做一次人工评分。验证目标是发现冗余和候选合并点，而不是自动删除或重构。

Relationship to existing concepts

  • [[agent-orchestration-production-tradeoffs]] 关注 orchestration topology 的生产取舍；本页补充“在选择拓扑之前，如何建模资源与约束”。
  • [[production-ai-agent-evaluation-framework]] 关注生产 Agent 的质量、成本和延迟指标；本页把这些指标进一步转成规划约束或目标函数。
  • [[subagent-orchestration-patterns]] 关注 subagent 生命周期和执行方式；本页提醒 subagent 数量本身也需要成本/覆盖度约束。
  • [[hermes-layer-routing-decision-checklist]] 约束知识和工作流沉淀层级；本页不改变 active 层规则，只提供规划视角。
Navigation

Type to search…

↑↓ navigate↵ selectEsc close