企业级多智能体（Multi-Agent）系统最大的瓶颈，往往不是Agent不够强，而是负责分发任务的Router（路由器）太“傻”。传统Router只会做简单的单选分类，面对复杂的企业级故障经常“瞎指挥”，在企业运维的十字路口，我们需要一个更聪明的“交警”。

过去一年里，Multi-Agent架构正在成为企业AI的新基建。我们忙着造更强的SQLAgent、更快的检索Agent，但却发现运维系统的十字路口却越来越拥堵了。

和想象中的Agent们“游刃有余”的自动协同、分工协作不同，因为传统Router的上限太低、智能程度有限，很难跟上Agent们“匆匆忙忙”的脚步。在未来的企业 AI 系统中，Agent越来越多，能力边界越来越模糊，系统必须具备“承认不确定性并协作解决”的能力。

今天，腾讯云正式开源TCAR（Tencent Cloud Andon Router）——一个只有4B参数，但学会了“先想清楚，再选择”的智能路由模型，它专为解决跨域、冲突和模糊问题而生，为企业AI应用提供Reasoning-centric Routing+Multi-Agent Collaboration的基础形态。

01 为什么传统Router在企业运维场景里“玩不转”了？

这里可以看几个非常常见的场景：

1、不同agent可能能解决一样的问题，传统Router通常为单标签分类，只考虑选择一个agent，导致无法给出最优解决方案。

2、新业务、新Agent随时上线，传统Router对这些“新同事”完全不了解，需重新训练，也就无法快速分配给他们最合适的工作。

3、用户描述模糊、不完整。例如用户提到“网站访问延时”，传统Router就无法确定不确定是CDN、COS还是网络的问题。

4、传统Router缺乏可解释性，黑盒决策，一旦路由错了，没法快速修复badcase，后面Agent再强也救不回来。

总结来说，传统Router面对企业场景有三大硬伤：搞不定跨域、解不了冲突、跟不上变化。

02 TCAR的解法：像人类专家一样“先想后做”

TCAR（TencentCloudAndonRouter）的核心很简单，但在Router中几乎没人认真做过——把路由从直接预测标签，变成先推理再选择Agent集合。这时候，Router不再是一个收发任务的转接系统，而是变成了一个具备推理能力的“决策者”。它把路由过程从单项选择变成了“写分析报告+组建任务组”；它的工作职能从挑选队列最前面的agent完成任务，到在专家梯队中找到最合适的那个人选来完成任务。

它就像是一个拥有顶尖专家团队的，高度聪明且能够自我决策的“项目经理”。

能力一：Reason-then-Select（拒绝黑盒，把思考过程写出来）

TCAR在输出Agent之前，会先生成一段自然语言推理链，明确说明问题可能涉及哪些技术栈，不同Agent的职责边界，为什么多个Agent执行是合理的，这让路由不再是黑盒，而是可解释、可Debug、可持续优化Agent描述。

能力二：从单挑到团战

在TCAR中路由结果不再是one-hot，而是一个Agent子集，这一步直接解决了企业系统中最棘手的Agent冲突问题：不强行压缩决策，而是保留不确定性，交给后续协作解决。当然，这也要建立在对指令聪明且充分的理解力上。

能力三：专家会诊，择优输出

当TCAR选出多个候选Agent后，每个Agent独立给出自己的专业答案，而后由一个RefiningAgent负责对比、消歧、融合，最终输出一个完整、无冲突的答案，这套模式在排障类问题上效果尤其明显。

03 覆盖全面、命中精准，硬核且强大

TCAR不是一个简单的Prompt工程产物，为了让它具备上述能力，我们做了两件比较特别的事情：

一是两阶段训练+特殊融合，兼顾推理能力和选择精度。

• 阶段一SFT（监督微调）：教会模型结构化推理，学会输出Agent集合，通过Slerp方法融合模型。
• 阶段二RL（强化学习/DAPO）：重点调教模型“选得对不对”。

二是专门针对多Agent设计奖励函数，把路由当成一个集合预测问题，在模型覆盖率和精确度之间形成稳定平衡。

• R1奖励（类似精确率Precision）：你选出来的Agent里，有多少是真正干活的？（防止选了一堆没用的配角）
• R2奖励（类似召回率Recall）：关键的那几个Agent，你有没有漏掉？（防止漏掉主角）
• 长度惩罚：防止模型为了求稳把所有Agent全选上。

最后，经过CLINC150、HWU64、MINDS14、SGD、Qcloud五个数据集的评测，TCAR 在企业高冲突数据上全面超过当前主流大模型 Router，在高歧义、跨域问题中更稳定，4B 参数量推理速度快成本低，更重要的是下游多Agent + Refining Agent的整体成功率显著提升。