多智能体

适用信号：任务可以并行分解（多源调研、批量代码仓分析，不同智能体各查一块再汇总）；需要不同视角或对抗（生成者与审校者、正反方辩论提升质量）；上下文隔离需求（子任务各自需要大量检索内容，单智能体上下文会爆，子智能体消化完只回传结论）；专业化分工（不同工具集与提示各自调优）。代价要说透：token 成本成倍——Anthropic 复盘显示多智能体约用单智能体十五倍的 token；延迟叠加与协调开销；错误传播——上游幻觉被下游当事实放大；系统复杂度与可解释性下降，调试像分布式系统排障。反模式是「为了架构好看而拆」：线性流程拆成多个智能体接力，每跳都有信息损耗与出错率，不如单智能体加清晰步骤。判断口诀：并行收益或上下文隔离的收益要明显大于协调成本才拆。

五种常见结构。编排者-工人（orchestrator-workers）：主智能体拆解任务、分派给工人智能体、汇总结果，最通用，Anthropic 的 orchestrator 模式与 supervisor 图；流水线（pipeline）：按阶段接力（调研、写作、审校、润色），每个智能体专注一个环节，简单可审计，适合内容生产；辩论或评审（debate 与 critic）：生成者与批评者多轮对抗，或多方立场互搏后裁判汇总，提升严谨性但成本翻倍；分层（hierarchical）：管理者下有中层管理者再带工人，适合超大任务，组织失控风险高；对等协作（peer）：如 AutoGen 的会话式协作，智能体互相发消息自主分工，灵活但难控。选型从简单起步：先单智能体，不够再上编排者-工人，辩论与分层只在明确收益时用。设计公共件：共享任务状态与消息总线、结果汇聚模板、停止条件（最大轮数、预算上限、共识判定）。能各举一业务例即优秀。

交接要传递完整且精简的上下文：任务描述（目标、约束、验收标准）、已获得的信息（调研摘要、文件清单、关键结论而非全部原文）、状态（已完成、未决、阻塞点）、输出要求（格式、给谁用）。实现形态：显式消息传递（结构化 JSON 消息，字段约定清楚）；共享黑板（公共状态存储，各自读写，注意并发与版本）；工具化交接（把「转交某智能体」建模为一个工具，主智能体调用即完成委派，OpenAI Agents SDK 的 handoff 机制即此思路，携带说明与上下文打包）。关键实践：摘要而非转发全文（上下文隔离正是多智能体的意义，转发全文就失去隔离收益）；接收方要能回问澄清（握手协议）；失败回传机制（子任务超时或失败，父级要收到结构化失败原因以决定重试、换人或放弃）；全程 trace 打点便于回放。能讲上下文打包与工具化交接即完整。

评估分层做：任务层——最终产物质量对金标或 LLM judge（明确评分维度与锚定示例），失败要归因到环节；环节层——每个子智能体单独有评估集（检索召回率、生成质量、审校检出率），单点优化有依据，子智能体的单测可以脱离系统跑（更快更便宜）；交互层——指标看协作效率（总轮数、交接次数、返工率、上下文膨胀率）、成本与延迟分解到每个智能体。调试三板斧：全链路 trace（每个智能体每次调用的输入输出与 token，形成可回放的时间线）；隔离复现（用录制的中间结果单跑某智能体，二分定位出错环节）；消融实验（去掉某个智能体或换提示对比，验证每个组件的边际贡献）。常见病：责任稀释（都以为对方会做）、乒乓循环（互相推诿不收敛，加轮数与裁决者）、上下文漂移（多跳后丢失目标，定期注入任务摘要锚定）。能讲分层评估加 trace 回放即满分。

该系统让主智能体（lead）规划并协调多个子智能体并行检索，产出研究报告。可迁移的工程经验：智能体对任务量的判断要显式教——模型倾向低估任务规模，提示里教会「按复杂度决定子智能体数量与工具调用预算」，简单问题单智能体、复杂问题扩展到多个；并行是延迟关键——子智能体独立检索可把数小时压到十几分钟，但编排者要能同时发起并等待聚合；努力程度要与价值匹配——给不同层级任务配不同深度的 prompt 版本，避免简单问题过度燃烧 token；记忆与工具设计决定上限——检索工具的描述质量、文件系统类工具的持久化让协作产物可累积；生产稳定性靠护栏而非模型自觉——子智能体失败重试、预算硬上限、停止条件；评估驱动迭代——内部轨迹数据集回归。能复述几条并联系通用设计即好。