一、项目背景

某校园配餐服务商面对家校两头不满意的难题：营养不透明、食谱靠厨师经验、过敏和禁忌全凭口头提醒。我们当时用多智能体协同的思路，把"营养分析、食谱生成、禁忌校验、反馈闭环"拆成几个各管一摊的智能体，让它们协同而不是一个大模型硬扛所有事。项目视角很明确：专业的事交给专门的智能体，编排器负责把它们的输出拼成一条可信的链路。

二、落地场景

场景分四块。一是营养分析智能体：读取每餐食材与用量，按膳食标准算出热量、蛋白、微量元素达标情况。二是食谱生成智能体：结合季节、成本和营养目标生成下周食谱草案。三是过敏与禁忌校验智能体：对照学生备案的过敏源和饮食禁忌，拦截冲突菜品。四是家校反馈闭环：家长在端内评价，反馈回流调整食谱，让食谱真正跟着需求走。

三、关键技术挑战与解决思路

难点一是多智能体的协作边界，营养和食谱互相依赖容易死循环，我们用明确的输入输出契约加编排器控制轮次，每轮只让需要的智能体动。难点二是禁忌校验的准确率，这是安全红线，宁可多拦不可漏拦，冲突菜品强制人工复核。难点三是反馈噪声，家长评价主观强，我们做情感归类和去噪后才进模型，避免个别情绪化评价带偏整周食谱。

案例片段（已脱敏）： 一次食谱草案里安排了含花生的点心，禁忌校验智能体比对到三十二名学生备案花生过敏，直接标记冲突并建议替换为南瓜糕。营养分析显示替换后碳水略有上升但蛋白达标，编排器据此通过。该拦截避免了一次潜在的群体过敏风险，家长端满意度当周上升约八个百分点，安全闭环立了功。

四、效果数据

覆盖配餐学校约四十所。营养达标率从约七成五提升到约九成二；因禁忌冲突导致的退餐投诉归零；食谱采纳率（厨师实际采用草案比例）约七成；家校满意度提升约一成。反馈闭环让食谱两周一迭代，菜单不再是一成不变的"老三样"。

五、可复用经验总结

配餐靠数据，经验再好也抵不过量化。禁忌要校验，安全红线宁可多拦。多智能体要定契约，边界清晰才不会陷入互相调用的泥潭。反馈要闭环，家校的声音最终要回到食谱里，否则再科学的营养也算不到孩子嘴里。

结语

多智能体不是炫技，它的价值在于把"安全、营养、口味、成本"这几件彼此拉扯的事，交给各管一摊的智能体去权衡，编排器做最后的总装。校园配餐这种容错率极低的场景，恰恰最能体现协同的价值。

附：规模化落地的工程取舍

我们把多智能体协同从单校推广到四十所配餐学校时，编排轮次是最关键的取舍。营养分析和食谱生成互相依赖，放任它们自由调用容易死循环。我们定了明确的输入输出契约，编排器每轮只允许需要的智能体动，并设最大轮次上限防止卡死。禁忌校验我们坚持安全优先，冲突菜品强制人工复核，宁多拦不漏拦，因为校园场景的容错率极低，一次群体过敏风险足以抹掉所有效率收益。

附：给同行的一些提醒

第一，配餐靠数据，经验再好也抵不过量化，营养达标率要能逐餐算出来。第二，禁忌要校验，安全红线宁可多拦，校园场景出事就是大事。第三，多智能体要定契约，边界清晰才不会陷入互相调用的泥潭，编排器要做总装而非裁判。第四，反馈要闭环，家校评价去噪后必须回到食谱，否则再科学的营养也算不到孩子嘴里。第五，采纳率要看厨师实际采用比例，模型草案落不了地就是废纸，和一线共创比闭门造车重要。

附：我们踩过的几个坑

第一坑是智能体死循环，营养和食谱互相依赖自由调用，一度卡死在无限轮次，定契约加最大轮次才刹住。第二坑是禁忌漏拦，早期冲突菜品只做软提示，一次差点放行含过敏源的点心，改成强制人工复核后才踏实。第三坑是反馈噪声，家长评价主观且情绪化，直接进模型把食谱带偏，做情感归类和去噪后才干净。这几坑让我们确认，多智能体不是把活分给几个模型就完事，编排、安全红线、噪声过滤这三道关少一道都会翻车。

附：回到工程本质

多智能体协同最深的体会是：编排比单智能体更难，也更重要。把营养、食谱、禁忌、反馈拆给各管一摊的智能体，价值不在分工本身，而在编排器能把它们的输出拼成一条可信链路，并在安全红线上兜住底。边界清晰、轮次可控，协同才是增益而不是混乱。

另一点体会是，校园配餐这种容错率极低的场景，安全红线宁可多拦不可漏拦。一次群体过敏风险足以抹掉所有效率收益，所以禁忌校验我们坚持强制人工复核。智能化在这里的底线，永远是先不出事，再谈多好。