花三个月才懂:多Agent的代价,99%人都没算清
团队花三个月搭了一套四个Agent的流水线:规划、执行、审查、迭代。结果一跑起来,每次交接都丢失上下文,协调消耗的token比实际执行还多。这是多Agent系统最常见的死法——搭了个复杂的架子,发现改进单个Agent的prompt就能解决。1
三分钟判断你的任务适不适合多Agent
- context是否在膨胀
子任务产生大量无关信息,单个Agent的context window被稀释到影响推理质量。客服Agent同时诊断技术问题+查询订单历史,每次查单都追加几千token,推理能力就开始下降——这是典型信号。1 - 子任务之间有没有依赖
如果Research→Analysis→Writing→Review必须串行,多Agent的优势只剩"每个task用对应的专业Agent"。强行并行只会增加协调成本。如果任务可以拆分且互相独立,fan-out模式能覆盖更大信息空间,准确率显著提升。3 - 不同子任务是否需要不同模型
简单概览/翻译用轻量快模型,设计/架构/复杂计算用推理能力强的大模型。单Agent通吃所有任务,往往在某类子任务上表现平庸。3
四种成熟架构,按场景对号入座
| 架构模式 | 核心特点 | 适合场景 | 最大坑点 |
|---|---|---|---|
| Orchestrator-Worker (中心调度) | 一个大脑拆任务,多个手执行 | 步骤固定、Worker≤10个 | Orchestrator上下文膨胀,Worker多了它记不住事 |
| Pipeline (流水线) | A做完给B,B做完给C,一条线走到底 | 内容生产、ETL、流程不变的场景 | 早期错误一路传下去,没有纠错机会 |
| Hierarchical (层级制) | 顶层Orchestrator管几个Manager,各管一组Worker | Agent数量超过10个的大型项目 | 每多一层延迟叠加,跨领域协调成本高 |
| Blackboard (黑板模型) | 所有Agent围绕共享状态协作,平等发言 | 研究型、多轮探索型任务 | 状态管理复杂,容易出现覆盖和污染 |
选架构有个简单原则:控制越集中越容易调试,越去中心化越灵活但越难排查。Pipeline最适合成本敏感且流程固定的场景;Orchestrator-Worker是新手起步的首选;超过10个Agent才考虑Hierarchical;Blackboard适合研究探索,不适合生产环境。4
上线后最容易崩的三个地方
- 状态管理失控
三个Agent协作,第一个发消息第二个没收到,第三个同时改同一个字段——这是演示完美、上线就死的经典剧本。解法是角色分工矩阵:每个Agent只能写自己负责的状态字段,读其他Agent的状态字段必须通过消息总线请求。5 - 消息路由乱成一团
点对点路由→依赖图变网状;广播路由→每个Agent处理大量无关消息。主题路由是稳妥选择:按业务主题定义消息通道,每个Agent只订阅自己关心的通道。5 - 冲突没人收场
Build Agent说性能优先,Review Agent说安全优先,两个都有道理但结果矛盾。必须预设冲突解决策略:安全>质量>交期>成本的优先级规则,或者采用加权置信投票——投票权重=历史准确率×领域熟练度×当前置信度。67
当前文章无评论,是时候发表评论了