Conductor：多智能体AI工作流的确定性编排
Conductor 是微软开源的一个 CLI 工具，采用 YAML 定义多智能体工作流，使用确定性路由而非 LLM 动态编排，从而降低成本和延迟。它支持混合模型、并行执行、人类审核、脚本步骤和 Web 仪表板，适用于代码审查、研究综合等结构化工作流。
文章情报
要点
- 确定性编排：YAML 定义工作流拓扑，路由不消耗 token，减少不确定性和成本。
- 混合模型：每个代理可指定不同模型和提供商，如 Claude、GPT 等。
- 内置人类审核：工作流步骤中可插入人类决策点，支持独立 Dashboard。
为什么重要
这条新闻值得关注，因为确定性编排：YAML 定义工作流拓扑，路由不消耗 token，减少不确定性和成本。
技术影响
可能影响模型选型、推理成本、产品能力和评测基准。
Conductor 是微软开源的一个命令行工具，采用 MIT 许可证，旨在解决多智能体 AI 工作流中的编排问题。与大多数依赖 LLM 动态规划代理调用的框架不同，Conductor 通过 YAML 文件声明工作流结构，代理之间的路由是确定性的，不会消耗额外的 token。这种设计特别适用于具有已知结构的重复性工作流，如代码审查流水线、研究综合任务或计划-实施循环。
工作流在 YAML 中定义，包含代理、提示、模型、输入、输出和路由逻辑。路由基于 Jinja2 模板和表达式求值，第一个匹配的条件生效。这种声明式方法使工作流可版本控制、可审查，类似于基础设施即代码或 CI/CD 流水线。
Conductor 支持混合使用不同 AI 提供商和模型，每个代理可以独立指定。例如，分类任务使用 Claude Haiku，研究任务使用 GPT-5.2，复杂推理使用 Claude Opus。代理之间会话隔离，上下文传递显式控制，有三种模式：累加、仅上一步、显式指定。
并行执行支持静态并行组和动态 for each 组，可配置失败模式（如快速失败、继续错误）。脚本步骤允许直接运行 shell 命令，无需调用 LLM，适用于测试、linting 等。人类审核步骤可暂停工作流，并在终端或 Web 仪表板中呈现选项，根据响应路由。
Web 仪表板可视化执行流程，显示 DAG 图、每个代理的提示、token 使用、成本和输出。安全措施包括最大迭代限制、超时、干运行模式和工作流验证。此外，Conductor 支持 MCP 服务器提供工具访问，以及通过插件和工作流注册表共享可重用技能。
Conductor 团队从开发中总结了几点教训：确定性优于灵活性；代理隔离有助于调试；基于发布/订阅的事件系统解耦了执行和展示；YAML 是合适的抽象层次。
Conductor 可在 macOS、Linux 和 Windows 上运行，安装简便，支持自更新。项目附带测试套件、代码检查，并积极接受社区贡献。使用方式包括单次运行、可视化运行等，要求 Python 3.12+ 及 GitHub Copilot 或 Anthropic Claude 账户。