ARTICLE · 1117176
三个 AI 同时开工,反而比自己动手还慢
01
开篇
晚上，我把一段活拆成 3 段，同时派给 3 个 AI，本以为能快一点。搁以前，这活一个人慢慢弄，半小时总能顺完。这回搬了救兵，反而来回传话、互相等，整段比手动还慢，逼我想出个词，叫它「单兵优先」。一个流程，只留一个主力 AI 当家。
02
「我给自己配了 3 个工友，当上了调解员」
这 3 个 AI 平时怎么分工，其实挺顺。
WorkBuddy 管选题和自动化，每天早上把热榜和素材拢一遍。Hermes 管排版、插图、发布，有自己固定的形象。ima 管检索，资料往里一存，回头能翻出来。
各管一头，谁也不碍谁。9 月底那阵子，产能从 2 天出 1 篇提到 1 天出 2 篇，靠的就是这么分。
坏就坏在那天想再贪一点。一段完整的活，本该一路走到底，我非要把它剁成 3 段，让 3 个 AI 同时开工。结果这边干完要等那边给格式，那边又得等第三个补一句话，谁也不肯先动。中间有个出处对不上，人夹在 3 个对话框里来回问，像极了 3 个工友抬一张桌子，口令没对齐，桌子原地打转。
活最后是干完了，多花的时间比省下来的多。
03
「本以为人手越多越快，其实 AI 越多越爱互相挡路」
这里有个反常识的点，得掰开说。
人多了办事快，是因为人各有专长，还能现场商量。AI 不是。它们没有现场，只有一层一层地传话。上游 AI 的输出，往下游一递，下游看不见上游的完整账，只能凭一句摘要猜。
本以为多派几个就能并行提速，其实每加一个，就多一层传话和等待，协调的成本先把你省下的时间吃光。
这不是我一个人的体感。Anthropic 前阵子发了份研究（据其公开报告，多家科技媒体转载），把它自己的一群 AI 放进同一个任务里，发现规模上去了，协作并没跟着上去。任务一旦互相依赖，AI 就开始互相挡路，干脆各干各的、互不配合。还有一回实验，一堆 AI 抢同一段带宽，系统最后收到 240 万次请求，只接受了 117 个任务。
更扎心的是同质化。报告里说，底子相近的 AI 面对同一局面，容易做出几乎一样的选择，一个判断错了，很可能一群一起错，原本的小毛病就被放大成整段的崩盘。
行业里也有对应的说法。有公开的研究综述提到，多智能体编排在广度搜索这类任务上，成绩能高出单兵约 90%，但花掉的算力是聊天模式的 10 倍以上；而同等算力下，单个 AI 在多步推理上并不输给一群。
说白了，多兵适用的场景很窄，绝大多数日常活，一个当家的就够。
多兵不一定快，单兵才稳。
04
「单兵优先，3 步把主力钉死」
想明白这个，我把用法改成 3 问。每接一段新活，先过一遍。
第 1 问，这段流程当家的 AI 是谁。只认一个主力，写下来，贴在流程最上头，选最擅长这段活的那个，让它从头管到尾。
第 2 问，它卡住时谁兜底。兜底的那个，平时不进流程，只有当主力真卡壳了，才被叫进来，救完就退，不留它常驻搅局。备用兵只在关键时候出手。
第 3 问，什么条件下才准加第二个。只有当这段活能真拆开、中间不用来回传话，才准加。达不到这个条件，宁愿慢点，也别加。
3 问过完，那段让我来回传话的活，又被并回了单线。20 来分钟顺完，中间一个岔口都没有。
多一个 AI，就多一层传话。
05
「这 3 个坑，我替你踩过了」
这一路踩下来，3 个坑最典型，说给你避。
第 1 个坑，「AI 越多越快」。真相是同一段流程里，多一个就多一层传话和等待，人数上去了，协调的成本先吃掉省下的时间。除非两段活真能互不搭话地并行，否则多出来的那个，都是在给你添活。
第 2 个坑，「让 AI 之间互相验收」。真相是下游根本没看过上游的完整账，只凭一句摘要就往下接，错了会被原样传下去。关键节点还得自己盯，尤其数字、出处、结论这 3 处，AI 之间互相点头不算数。
第 3 个坑，「一换新模型就搬家」。真相是排队和传话的问题，换哪个模型都还在。先把这段流程当家的定死，再谈换不换。频繁搬家，只会把攒下的那点顺手劲儿全清零。
我那回「3 个工友当调解员」的尴尬，根子就是第 1 个坑。
当家的多了，活就散了。
06
「把活干完，比把 AI 排满更要紧」
现在回头看，那晚的折腾不全是坏事。它把人从「谁家 AI 多」的热闹里拽出来，回到一个更笨也更稳的问题上。
别问 AI 有几个，问你有几个流程。
一个流程一个当家的，剩下的退到后台兜底。听着不炫，可它把活真正干完了。
如果你也在用 AI 干活，身边总有人炫耀自己开了 5、6 个智能体，把这篇转给他看看。
也想听听你的，你手上是一段活交给一个 AI 干到底，还是好几个轮着上。
觉得这套用得上，关注我，回复「单兵」，那张「单兵优先三问卡」我发你，贴电脑边上，接活前扫一眼。咱们慢慢来。
个人体验，因人而异。