Multi-Agent 的协作美学:Agent、Task、Process 三件套
一份关于 Multi-Agent 系统的课程文稿整理,接上一篇单 Agent 解剖留下的课后题。开篇先答那个问题:ReAct 的死穴是上下文,不只是长度爆表,还有内容污染和多指令负担。中段用四个角色(深度研究、报告撰写、网络搜索、审核编辑)和两个任务跑一个真实案例,其中有一处精巧设计——报告用文件传递而不是作为入参,因为入参要模型重新输出一遍,全是钱。最后正面回应「多一个 Agent 就多一份出错概率」这个流行说法,给出成本、耗时、设计难度三个真实代价,以及一次开错参数导致的失败复盘。
本文整理自课程文稿《03|Multi-Agent 系统:Agent、Task、Process 的协作美学》。文稿末尾自注「内容由 AI 生成」,属整理稿而非逐字记录。
文中的耗时描述沿用文稿原述(该任务从 15:33 运行到 16 点),未做外部核验。
上一篇拆完 ReAct,留了一道课后题:这套算法看起来已经很漂亮了,它到底会有什么问题。
这一篇先答题。
答上一题:ReAct 死于上下文
他的答案很直接:上下文会崩溃。
业界给这件事起过不少名字——上下文腐烂,或者长度爆表。但他说,长度只是最表面的那一层。
第一层:长度
回头数一下那次调研:三次搜索、五六次网页查看。上下文已经超过五六万了。
而超过这个量级之后,速度会变差,效果也会变差。
第二层:污染
这一层比长度更麻烦。
你给模型的整个上下文都会影响它的输出。虽然注意力机制能让它聚焦在当前这件事上,但前面所有的信息都在参与预测。
他给了一个极其具体的例子,我觉得这是全篇最容易复现的一个实验。
场景:先让模型写一份报告,它会带上思考过程——怎么写的、步骤是什么、为什么这样更好。
然后:接着这个上下文,让它评价这份报告。
结果:它会直接拿刚才生成报告时思考过程里的话当评语。「这里很好」「那里也不错」,完全说不出客观问题。
而如果你把报告(去掉思考部分)粘到一个新上下文里,用同一个提示词审核,结果会变得非常客观。
同一个模型、同一份报告、同一个提示词,只因为上下文不同,结论质量天差地别。
这就是上下文污染。
第三层:多指令负担
他说单 Agent 执行时,你要它搜索、写代码、做文件操作,还有网页抓取、知识库,光工具 schema 就占很大一块上下文。
**而且工具还得反复给。**因为在运行过程中,模型的注意力可能把该调哪个工具忘了,于是框架隔一段时间就要重新塞一遍工具定义。
再加上 ReAct 的核心是 act——每一步都调一次工具。一旦工具调用出错,不管是内容错、参数幻觉,还是数据结构不对,整个流程就走不下去了。
上下文越长,这件事出现的概率越高。
所以单 Agent 很难长时间运行。回头看那份调研报告,虽然能用,但细看还是挺糙的。
三个词搭出整个系统
讲完问题,他才给定义。而这里他先划了一条线,跟上篇一脉相承:
不要把工作流里跑几段不同提示词就叫 Agent。Agent 是在明确职责边界下,能自主规划、独立完成一系列任务的角色。
有了这个前提,Multi-Agent 才算有定义。
他拿最熟悉的研发团队举例:产品经理、研发、测试。
| 角色 | 职责 |
|---|---|
| 产品经理 | 产出产品分析与需求 |
| 研发 | 系统设计与写代码 |
| 测试 | 测研发的东西,提 bug 给反馈 |
而他强调:给角色定义的就是四样东西——目标、职责、边界、能力。
Task:两种来源
任务有两种。
外部任务:用户把这个场景要完成的事写成一个整体输入。 子任务:Agent 之间协作产生的。
产品经理做完,派给研发一个子任务;研发做完,派给测试一个子任务;测试发现 bug,再派回研发一个子任务。
「最终形成的就是整个团队的运行。」
他们还可以共用一套项目信息作为 memory,让协作更顺。
Process:谁来定协同方式
这是第三个要素,他打了个比方:像 PMO。
同样的角色,同样的任务,协同方式可以完全不同。
- 瀑布式:产品经理完了固定交研发,研发完了固定交测试。
- 中心调度:一个 PMO 分发任务,每完成一步,PMO 看下一步该干嘛。
- 敏捷并行:产品经理写需求时,研发已经在做技术调研;研发写代码时,QA 已经开始写用例。
三个东西凑齐,才叫 Multi-Agent 系统。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart TB
A["Agent<br/>角色 · 职责 · 边界 · 能力"] --> S["Multi-Agent 系统"]
T["Task<br/>外部任务 + 子任务"] --> S
P["Process<br/>瀑布 · 中心调度 · 敏捷并行"] --> S上图是这个定义的形状:不是「有多个 agent」就叫多智能体,是三者共同作用。
一个真实案例:四个角色,两个任务
他用两三百行代码搭了一套——他说其中大部分还是提示词。
角色一:深度研究专家
只写大纲,不干活。
他解释了为什么不指望它直接执行:单 Agent 全局性会差。
所以先让一个角色分析任务,产出「3 到 8 个清晰的执行步骤」加一份完整大纲,交给后面去完成。
这个角色没有工具,也不允许向别的 Agent 分发任务。
角色二:报告撰写研究员
干活的那个。
流程是:先把大纲落到文件里,然后按步骤一段段写。而每一步都有硬要求:必须先委托网络搜索专家拿到明确信息,才能开始写正文。
它有三个工具:写文件、读文件、列目录。注意它没有搜索工具——搜索是别人的事。
它允许向下派活(这个参数后面会出事)。
角色三:网络搜索专家
只管搜索。
它的产出不是网页,也不是原始内容,而是论据列表:每条包含核心内容、原文片段、原文地址。
它有自己的搜索和网页查看工具,开了缓存避免重复抓取,且不允许再往外派活。
角色四:报告审核编辑
只给意见。
它的工具最少——只有一个文件读工具。读完,把审核意见返回去。
Task:为什么拆成两个
他把「生成大纲」和「写报告」拆成两个任务。
而第二个任务里有一条很关键的配置:它引用第一个任务的产出。
他特意提醒了一个细节:
虽然写的是上下文引用,但它实际只把上一个任务 final answer 传过来。不是整段中间过程,只要最终答案。
一处精巧设计:为什么用文件传递
这一段是全篇最实用的技术判断,我自己读的时候停了一下。
写完一段报告后,撰写员要把它交给审核编辑。为什么不直接把它作为入参传过去?
因为模型是在 action input 里输出入参的。如果报告作为入参,就意味着模型要把刚才那份报告读完,再原样输出一遍。
「这非常浪费输出 token,全是钱。」
**而如果用文件传递,文字就完全通过文件系统和工程流转。**审核编辑接到的入参只是一个文件路径。
而入参的 token 比出参便宜很多。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["撰写员写完报告"] --> B{"怎么传给审核?"}
B -->|"作为入参"| C["模型重新输出全文<br/>按出参计价"]
B -->|"写成文件"| D["只传一个路径<br/>按入参计价"]
D --> E["审核编辑读文件"]上图是这个取舍。看起来只是个工程选择,本质是把一份可能几千字的文本,从「模型必须重新生成」变成了「模型只需要读」。
运行起来的现场
日志里能看到每个角色的行为差异。
深度研究专家因为没有工具,一上来直接给 final answer。
他顺势点出一个 Agent 的性质:没有工具、没有 action 可做时,它只能立刻输出最终答案,不会在自己的想法里反复迭代。
撰写研究员接手后,第一步是把大纲写进文件——「那个人家比较懒,连文件都不愿意写,那我来写」。
然后开始真的调研。这时出现一次任务委托:请搜索专家查「极客时间平台的基本信息」。
搜索专家开始自己的 ReAct:想、搜、看网页、再搜。因为提示词里要求「摘要里能拿到的就不必看网页」,它更多用搜索摘要,为的是性能和效果。
它的 final answer 是一个结构化列表:每条信息的摘要、原文片段、来源。
**然后回到撰写员。**这里有一处机制值得注意:它调用其他 agent 这件事,在日志里被封装成了一次 using tools。工具名就是那个 agent,工具入参就是任务名和任务内容。
写完一段后,它先写文件,再调用审核编辑去审。审完按意见改,覆盖原文。如此循环到所有步骤完成,最后整合成一份最终报告。
最终产出与单 Agent 的对比
报告结构很完整:执行摘要、方法论、发展历程、里程碑、产品体系、核心功能模块、用户体验评估、课程分类、讲师资源、商业模式、用户画像、市场反馈、竞争对手、SWOT 分析、结论与战略。
他的评价很直接:
从长度上就没法比,从专业度、深度、效果上,完全不在一个 level 上。
为什么多智能体做得更深
他把原因归到四点。
一、上下文纯净
每个子任务的上下文只有自己那一段。搜索 Agent 每次只有当次搜索的上下文;审核编辑只有那一步的上下文。
唯一上下文长的是撰写员。但就算它长,它拿到的也是纯净的论据——核心内容、原文片段、来源,而不是一堆原始网页。
「这个非常非常重要。」
二、任务单一专注
写大纲的就只写大纲;撰写员只做文件操作和分派;搜索的只管搜索;审核的只读文件给意见。
任务越单一,执行难度越低。
他在这里说了一句值得记的话:
甚至不用太依赖模型能力。我们总说模型还不够用,其实也可以反思一下——**是不是我们工程没做好。**当一件事由非常专注、上下文很纯净地构成时,一个小模型也能解决得掉。
三、任务拆解天然
如果让单 Agent 写一条覆盖全部流程的思维链,它会非常长。用工作流写就更不用说了。
而用多智能体,可以基于角色理解的职责边界来拆解。
四、容错更高
这一条他预料到会被反驳,因为流行说法是「每多一个 Agent,出错概率就乘一次」。
他的反驳是:每个 Agent 都有自主决策能力。
自主决策意味着,当它调用下游出问题时,它可以用别的方式解决——重试也好,换一条路也好。只要有自主决策,把错误隔离掉就行。
具体举例:搜索 Agent 卡死了,无非是超时或没返回。上层看到这次调用失败,那就再调一次,或者换一个副本。
「如果架构设计得好,容错一定是越完善的结构越能屏蔽单点问题。」
但它有三个真实代价
讲完成本优势,他立刻转向劣势,而且讲得很实在。
代价一:总 token 消耗急剧上升
虽然每次调用的上下文纯净了,但因为交互次数暴增,总消耗量反而急升。
他提到自己已经用了一些技巧去减交互的 token,但仍然如此。再加上调度开销,最终成本一定更高。
代价二:耗时长
这个任务:单 Agent 版本几分钟,多智能体版本从 15:33 跑到 16 点,半小时。
因为链路调度显著增加延迟,即便中间可以用并发。
代价三:设计难度高
「这个示例代码我调了一整个下午。」
而难点就一个:怎么把每个 Agent 的职责边界划清楚。
一次开错参数的复盘
他把自己踩的坑讲了出来,我觉得这段比成功案例更有用。
他的第一个版本,把「允许分派任务」这个参数给撰写员开了,而且觉得挺合理——既然要产大纲,让 Writer 帮帮忙、顺便调调搜索,大纲是不是能更好?
结果: 看日志发现,它一上来就自己疯狂调搜索、反复完善大纲,像单 Agent 一样,把大纲写得快成成品了。
而这只是单 Agent 水平的效果。
更糟的是后果:等把这份「已经很丰富」的大纲交给真正的撰写员时,它会完全陷在既有结构里,报告的专业度和深度都大幅下降。
他给了一个很具体的现象:大纲里因为没搜索,很多「所属公司」之类的内容是它自己编的。而它一旦写了 Web 端和 Android 端,后面就出不来了。
权责边界模糊,会让两个角色互相污染。
修法是补提示词:写大纲时任明确要求不得产出具体观点;撰写时若搜索结果与大纲冲突,一律以搜索为准。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["大纲 Agent<br/>被允许搜索"] -->|"产出一份像成品的半成品"| B["撰写 Agent"]
B -->|"陷在既有结构里"| C["深度与专业度双双下降"]
C -.->|"划清边界"| D["大纲只搭框架<br/>撰写以搜索为准"]上图是这次失败的链条。他补了一句:给大纲角色更多搜索工具,同样会出问题。
思维方式的升级
讲完这些,他把话题抬到了方法论层面。
**旧的设计思维是面向过程的。**看到一个任务,先在脑子里想步骤是什么,然后按那个流程写程序。流程是预先定好的。
**新的设计思维是组织式的。**在框架里设计时,最重要的事变成:权责利怎么划——它有哪些工具、哪些职责边界、哪些任务边界。
这两个不是技巧差异,是思维方式差异。「这种设计思维的升级还是非常重要的。」
我的三点补充
以下是评注,不是原片内容;取舍由我负责。
第一,那个「用文件传递」的判断,是把成本意识落到了具体代码行上。 大部分人讨论 token 成本时停留在「少放点上下文」。而它指出一个更隐蔽的杠杆:入参和出参的计价不一样,而很多人把本该走文件系统的内容塞进了工具参数里。这一个小动作的省钱幅度,可能比任何提示词精简都大。
第二,那个「把大纲写太满反而害了下游」的复盘,本质是流程设计的经典陷阱。 上游做得太完整,下游就失去判断空间——这在人类组织里同样成立。分工的目的不是让每个人都干得多,而是让每个人在自己的边界里有充分的信息和充分的自由。 他开那个参数时的想法(顺手帮一把)非常自然,结果正好证明了边界为什么必须硬。
第三,他说「不用太依赖模型能力,也许是我们工程没做好」,这句话值得单独记。 因为它把一个流行叙事倒过来了:大家习惯等更强的模型,而他的经验是,当任务足够专注、上下文足够纯净时,小模型也能干得不错。这不是说模型不重要,而是说在模型给定的时候,工程还有很大一块空间没被用掉。
一句话总结:**多智能体不是让 AI 更聪明,是让每个 AI 只面对一小块干净的上下文。**它用时间和钱,换了效果上限和可靠性。