当云架构变成认知工作：多智能体如何真正“会思考”

这场演讲分享了Cato在构建云架构AI Copilot过程中的真实探索：为什么传统自动化不够用，以及如何通过多智能体、图结构和严谨评估，让AI参与复杂的架构推理与决策。

为什么云架构需要“推理”，而不是更多自动化

这一切的出发点，是一个对行业并不讨巧、但极其重要的判断：云架构设计本质上是认知工作。演讲一开始，Iman Makaremi就点明，“Cloud architecture needs reasoning， not just automation.” 随着云系统规模膨胀，工具、约束和组织预期同步增长，架构师每天面对的不是‘怎么部署’，而是‘为什么这么设计’。

他将架构工作拆解为辩论、权衡和规划：同样的需求，不同团队、不同背景会给出截然不同的方案。这些决策背后充满隐性知识——组织偏好、历史包袱、风险容忍度——而这恰恰是传统自动化脚本无法捕捉的部分。Cato因此将问题重新表述为三个认知挑战：需求理解、架构识别、以及基于最佳实践的架构推荐。

这个转折非常关键：他们不是从“让AI画架构图”开始，而是先研究“架构师是如何思考的”。这也是全文反复出现的核心观点——如果不先理解人的推理路径，AI再聪明也只是在做表面模仿。

从文本到图：让需求和架构“说同一种语言”

理解问题之后，真正的技术难题才开始显现：需求是文本，架构是图。一个是自然语言，一个是由组件、连接和约束构成的关系网络。Iman将这称为“语义世界”和“图世界”的断裂。

他们最早的尝试相当直接：用语义Embedding和向量数据库做架构检索，把复杂架构拆成组件，再通过向量搜索匹配需求。初期效果“看起来不错”，检索速度和表层相关性都有提升，但很快撞上瓶颈——语义搜索并不擅长理解结构关系。换句话说，它知道‘像不像’，却不知道‘连不连得上’。

同样的问题也出现在需求侧。通过模板化和文档预处理，他们能更快抽取关键信息，但在大规模文档中，这种方法会丢失上下文。Iman直言，这是一个重要教训：规模一上来，只有图分析才能找到“对的上下文”。因此，他们逐步转向图结构和知识图谱，用图内存来维持连续性和因果关系，而不仅是相似度。

多智能体不是热闹，而是有组织的“争论”

当系统开始真正参与设计，新的问题出现了：架构设计本身充满冲突目标。成本、安全、性能、可维护性往往互相拉扯，一个“正确答案”几乎不存在。Iman的判断是，这种场景不适合单一模型，而需要会协作、会争论的多智能体系统。

他们构建了角色明确的智能体：有的负责需求，有的负责架构，有的像总架构师一样做裁决。一个关键设计是结构化消息格式和内存隔离，这显著减少了token浪费和幻觉问题。他们甚至使用“agent cloning”，为每个候选方案复制一组智能体并行工作。

但他也坦率承认，结构化输出是一把双刃剑：它提升了可控性，却牺牲了一部分推理自由度。因此他们引入动态编排，让系统在严格控制流下，仍能产生创造性方案。这种平衡，是多智能体系统从“演示”走向“可用”的分水岭。

从推荐到评估：为什么人类依然不可替代

在生产系统中，Cato的Copilot会输出完整的架构推荐：包含类别、目标状态、差距分析和具体行动。工作流被拆成三个阶段：列表生成、冲突消解和设计提案，由首席架构师Agent协调多名专家Agent并行完成。

真正棘手的，是评估。Iman分享了一个略显反直觉的结论：在复杂多智能体系统中，人类评估远比LLM自评有效。他们因此构建了内部工具Eagle Eye，用来回放需求、架构、Agent对话和最终建议，并从相关性、可见性、清晰度进行人工打分。

他总结了几条血的教训：“Confidence is not correctness.” 早期必须引入人类反馈，而且评估不能事后补救，而要从系统设计阶段就内嵌进去。这也是他们对‘Copilot’的定义：不是替代决策，而是参与推理。

总结

这场演讲最有价值的地方，不在于某个具体技术栈，而在于一整套关于“推理型系统”的思维方式。从语义到图，从单模型到多智能体，从自动化到认知协作，Iman展示了一条真实、曲折但可复用的路径。对任何试图构建复杂AI Copilot的人来说，这都是一次重要提醒：真正难的不是生成答案，而是理解问题、组织推理，并承认人类依然是系统的一部分。

关键词： 多智能体， 云架构， 推理系统， 图结构， AI Copilot

事实核查备注： 演讲者：Iman Makaremi；主题：Grounded Reasoning Systems for Cloud Architecture；公司：Cato；技术名词：Multi-agent orchestration、Embedding、Vector database、Graph-based memory、Knowledge graph、LangGraph；内部工具：Eagle Eye；核心原话包括“Cloud architecture needs reasoning， not just automation.”、“Confidence is not correctness.”