Pengawas Hierarkis (Orkestrator + Pekerja)
Pengawas merencanakan dan mendelegasikan; pekerja mengeksekusi dan melaporkan hasil—pola tangguh untuk tugas kompleks.
Pengawas Hierarkis (Orkestrator + Pekerja) adalah pelajaran AI Agents gratis di CoddyKit. Ini adalah pelajaran 2 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar AI Agents, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus AI Agents mencakup 4 pelajaran total.
Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.
Pola Supervisor
Satu agen "supervisor" memutuskan apa yang harus dilakukan dan mendelegasikannya kepada agen "worker" khusus. Para pekerja melaporkan hasilnya; supervisor menyintesisnya.
Pola ini lebih mendekati cara kerja tim manusia daripada percakapan bebas.
Struktur
Dua tingkat (terkadang lebih):
- Supervisor — melihat kueri pengguna, memecahnya, memilih pekerja, dan menggabungkan hasil
- Pekerja — agen khusus (riset, kode, matematika), masing-masing dengan alat dan instruksinya sendiri
Mengapa Hierarki?
- Penalaran lebih bersih — supervisor melihat gambaran besarnya
- Spesialisasi — setiap pekerja berukuran kecil dan fokus
- Lebih mudah dievaluasi — lakukan pengujian terhadap pekerja secara independen
- Lebih mudah menambahkan kemampuan baru — cukup daftarkan pekerja baru
LangGraph Implementation
from langgraph.graph import StateGraph, END
from typing import TypedDict, Annotated
import operator
class State(TypedDict):
messages: Annotated[list, operator.add]
next: str
def supervisor(state):
# Ask LLM which worker should handle this
decision = supervisor_llm.invoke(state['messages']).content # 'researcher' / 'coder' / 'FINISH'
return {'next': decision}
def researcher(state):
result = research_agent.run(state['messages'][-1].content)
return {'messages': [{'role': 'tool', 'content': result}], 'next': 'supervisor'}
def coder(state):
result = code_agent.run(state['messages'][-1].content)
return {'messages': [{'role': 'tool', 'content': result}], 'next': 'supervisor'}Wiring the Graph
g = StateGraph(State)
g.add_node('supervisor', supervisor)
g.add_node('researcher', researcher)
g.add_node('coder', coder)
g.set_entry_point('supervisor')
g.add_conditional_edges(
'supervisor',
lambda s: s['next'],
{'researcher': 'researcher', 'coder': 'coder', 'FINISH': END}
)
g.add_edge('researcher', 'supervisor')
g.add_edge('coder', 'supervisor')
app = g.compile()Kemandirian Pekerja
Setiap pekerja adalah mini-agen mandiri. Bangun dan uji masing-masing secara terpisah; gabungkan semuanya di bawah supervisor.
Kumpulan Alat Pekerja
Batasi setiap pekerja HANYA pada alat yang mereka perlukan:
- Researcher — search, fetch
- Coder — read_file, write_file, run_python
- Database — list_tables, run_sql
Deskripsi alat lebih bersih; kebingungan lebih sedikit.
Format Komunikasi
Pekerja mengembalikan ringkasan terstruktur kepada supervisor — bukan transkrip lengkap. Menghemat token dan memudahkan supervisor mengintegrasikan hasil:
class WorkerResult(BaseModel):
summary: str
citations: list[str]
next_step_suggestion: str = ''Penghentian
Supervisor memutuskan kapan harus berhenti. Biasanya:
- Keyakinan melampaui ambang batas
- Sinyal tugas selesai dari seorang pekerja
- Penghitung langkah terlampaui
Hierarki Banyak Tingkat
Untuk tugas yang sangat rumit, tambahkan lapisan ketiga: supervisor "ketua tim" untuk rekayasa, supervisor lain untuk riset, dan seterusnya. Masing-masing mendelegasikan tugas kepada pekerja sesuai bidang.
Profil Biaya
Setiap keputusan supervisor adalah panggilan LLM. Setiap pekerja memiliki perulangannya sendiri. Total biaya ~ N_keputusan_supervisor × biaya_per_keputusan + N_perulangan_pekerja × biaya_perulangan.
Kapan Menggunakannya
- Tugas rumit dengan subdomain yang jelas
- Tugas yang membutuhkan gaya pemberian instruksi berbeda pada setiap langkah
- Sistem yang ingin Anda tambahkan kemampuannya secara bertahap
Pola Antipola
- Supervisor melakukan semua pekerjaan sebenarnya — tujuan pola ini menjadi sia-sia
- Pekerja memanggil pekerja lain tanpa sepengetahuan supervisor — kendali hilang
- Terlalu banyak pekerja (>10) — pemilihan oleh supervisor menjadi tidak andal
Peran Supervisor
Apa tugas utama supervisor dalam pola ini?
Ringkasan
Supervisor + pekerja lebih baik daripada satu agen besar. Setiap pekerja berukuran kecil, fokus, dan dapat diuji secara independen. Supervisor menentukan siapa yang mengerjakan apa.
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Pengawas Hierarkis (Orkestrator + Pekerja)” gratis?
Ya — teks lengkap “Pengawas Hierarkis (Orkestrator + Pekerja)” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus AI Agents, upgrade ke CoddyKit PRO. Kursus AI Agents mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Pengawas Hierarkis (Orkestrator + Pekerja)”?
Pengawas merencanakan dan mendelegasikan; pekerja mengeksekusi dan melaporkan hasil—pola tangguh untuk tugas kompleks. Kamu berlatih AI Agents dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai AI Agents?
Tidak diperlukan pengalaman sebelumnya. AI Agents di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 2 dari 4.
Berapa lama pelajaran “Pengawas Hierarkis (Orkestrator + Pekerja)” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran AI Agents ini?
Ya. Setiap pelajaran AI Agents menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Multi-Agen Berbasis Percakapan (AutoGen)
- Pengawas Hierarkis (Orkestrator + Pekerja)
- Peran dan Spesialisasi Agen
- Protokol Komunikasi (Bus Pesan)