Generator-Verifier Pattern

概述

生成器 - 验证器（Generator-Verifier）是最简单的多智能体模式，也是应用最广泛的模式。生成器接收任务并生成初始输出，验证器检查输出是否符合标准，若未通过则反馈回传给生成器进行修改，循环持续直到验证通过或达到最大迭代次数。

关键内容

工作原理

1. 生成器接收任务 → 生成初始输出
2. 验证器评估 → 检查是否符合标准
3. 决策：
4. 通过 → 输出完成
5. 未通过 → 返回具体反馈
6. 生成器修改 → 使用反馈生成修订版本
7. 循环 → 直到通过或达到最大迭代次数

适用场景

高质量关键输出： - 输出质量至关重要 - 评估标准可以明确制定 - 错误输出的代价高于额外生成周期

具体应用： - 代码生成（一个智能体写代码，另一个写测试并运行） - 事实核查 - 基于评分标准的评分 - 合规性验证 - 客户支持邮件生成（检查准确性/语气/完整性）

实际案例

客户支持邮件生成系统： - 生成器：使用产品文档和工单上下文生成初始回复 - 验证器检查： - 对照知识库核查准确性 - 依据品牌准则评估语气 - 确认回复解决了所有提出的问题 - 反馈：验证不通过时，明确指出具体问题（如功能错误归到错误的价格套餐）

优势

• 最简单的多智能体模式，易于实现
• 提供质量控制循环
• 适用于广泛的领域
• 可明确评估标准时效果最佳

局限性

验证器标准至关重要： - 只被要求检查"是否合格"而无具体标准的验证器会全盘认可 - 团队最常失败的原因：实现循环时没有定义验证的具体含义 - 造成有质量控制的表象，却无其实质

技能分离假设： - 假设生成与验证是可分离的技能 - 如果评估创意方法的难度与生成该方法相当，验证器可能无法可靠发现问题

迭代停滞风险： - 生成器无法回应验证者反馈时，系统反复循环而无法收敛 - 需要设置最大迭代次数和后备策略

设计建议

明确验证标准： - 定义具体的评估维度和通过标准 - 避免模糊的"检查是否良好" - 提供具体的问题分类和反馈格式

设置终止条件： - 最大迭代次数（如 3-5 次） - 后备策略： - 升级至人工处理 - 返回带有注意事项的最佳尝试结果

验证器设计： - 使用结构化评估标准（rubric） - 提供具体的问题定位（文件：行号） - 包含推荐修复方案

来源

• raw/articles/ai-engineering/claude-blog/Multi-agent coordination patterns_ Five approaches and when to use them.md — Cara Phillips 撰写

相关

• Multi-Agent-Coordination-Patterns — 五种模式之一（part_of）
• Code-Review-for-Claude-Code — 应用场景（uses）
• Orchestrator-Subagent-Pattern — 替代模式（compares_to）