你正在为开放式研究设计一个 agent，其子任务的数量和性质事先无法得知。一个中心的 “lead” 模型必须动态地把任务拆开、把各个部分委派给 worker 模型，并综合它们的输出。Anthropic 的 “Building Effective Agents” 指南中的哪种模式适用？

解析

正确答案是 C，orchestrator-workers。

• CAnthropic 的 “Building Effective Agents” 把这种模式描述为一个中心 LLM 动态地分解任务、把它们委派给 worker LLM 并综合它们的结果，并且明确推荐它 “for complex tasks where you can't predict the subtasks needed”（用于你无法预测所需子任务的复杂任务）——它相对于 parallelization 的独特优势在于，子任务是由 orchestrator 在运行时决定的，而不是预先定义好的，这恰恰就是题目中开放式研究的场景。
• Bprompt chaining 使用固定的、预先定义的顺序分解。
• Arouting 只是把输入归类到已知类别并加以分派。
• Dparallelization/voting 并发运行相互独立或完全相同的子任务并汇总它们（voting 是重复运行同一个任务），没有动态分解。
• Eevaluator-optimizer 把一个生成器与一个评审者配对形成精炼循环。