事情是这样的。

前两天我在搞一个项目，需要AI Agent帮我做一件，说复杂也复杂、说简单也简单的事，给一家公司写一份舆情分析报告。

我当时脑子一热，想搞个大的。

我的计划是，让一个Agent专门负责搜集信息，一个Agent专门负责分析情绪倾向，一个Agent专门负责写报告，最后再来一个Agent负责审稿。四个Agent，各司其职，流水线作业。

听起来是不是很高级？

搞了大半天，结果呢，负责搜信息的Agent搜了一大堆，负责分析的Agent拿到这堆东西说「这跟我有什么关系」，负责写报告的Agent写出来的东西前言不搭后语，因为它根本不知道前面两个Agent经历了什么。最后那个审稿的Agent更离谱，它没有任何上下文，审了个寂寞。

四个Agent之间传话传到面目全非，光协调就比干活花的时间长。

我最后怎么解决的？把四个Agent全撤了，就用一个。一个Agent从头到尾搞定，因为它自己搜的信息自己最清楚，自己分析的结论自己最理解，写出来的报告浑然一体。

效果好了不止一倍，token消耗还少了五六倍。

这件事给了我一个特别深的教训，也是我今天想聊的。

在AI这个圈子里，有一个特别火的概念叫「智能体」，英文叫Agent。更火的是另一个概念，叫「多智能体」，Multi-Agent。听着就很赛博朋克，很未来。但坦率的讲，大多数时候，你根本不需要多智能体。一个就够了。

不过在聊什么时候该用一个、什么时候该用多个之前，我得先跟你说清楚，智能体到底是个什么东西。

很多朋友可能觉得，智能体就是ChatGPT换了个名字。

不是的。

你平时跟ChatGPT或者Claude聊天，你问一句它答一句，这叫对话。它是被动的，你不问它就不动。

智能体不一样。

它能自己想、自己做、自己判断下一步干什么。

你想想看，普通的Agent聊天就像你问一个朋友「这个菜怎么做」，他告诉你步骤，但他不会真的去厨房帮你做。

智能体呢，你跟它说「帮我做一道番茄炒蛋」，它自己会去开冰箱看看有没有鸡蛋、有没有番茄，没有的话它会去下单买，买回来自己打蛋、切番茄、开火炒，最后端到你面前。

也就是说，智能体 = AI + 自主行动力 + 使用工具的能力。

它能上网搜东西，能读文件，能写代码，能调用各种软件，能自己规划步骤然后一步步执行。你给它一个目标，它自己想办法达成。

这就是为什么智能体这么火。因为它从「能聊天」进化到了「能干活」。

好，理解了智能体是什么之后，回到我们今天的核心问题。

一个智能体能干的活，到底有多少？

答案是，比你想象的多得多。

我自己踩过最大的坑就是前面说的那个，明明一个Agent就能搞定的事，非要拆成好几个。拆完之后，每多一个Agent就多一个出错的可能，多一套需要维护的指令，多一层传话的损耗。

打个比方。你搬家，请了一个经验丰富的搬家师傅，他一个人打包、搬运、摆放，效率贼高。但如果你同时请了5个人，他们站在那互相问「这箱子放哪」「那个柜子谁搬」「客厅的东西是不是应该最后搬」，光协调就浪费半天。

多智能体的开销是真实存在的。每多一个智能体，就要多一份重复的上下文信息，多一轮协调通信，多一次结果汇总。根据我自己的经验和Anthropic官方的数据，多智能体系统通常要消耗3到10倍的token，也就是3到10倍的成本。

所以我的原则是，能一个搞定的，绝不拆成两个。

那什么时候一个真的不够用了呢？

我自己实操下来，就三种情况。

第一种，脑子里装太多不相干的东西，Agent就犯糊涂了。

这个我太有体感了。

我身边有个朋友，搞跨境独立站的，前段时间跟风搞了一套Agent客服系统。

结果搞出来的东西，笨得可以，前言不搭后语，有时候回答跟问题驴唇不对马嘴。

他找了个懂行的朋友帮忙看，对方翻了十几个Agent跟客户的聊天日志，发现了一个挺有意思的案例。

一个客户问，我的快递一直显示在途，是不是发错地址了？

听着是个挺简单的问题对吧，查一下地址、查一下物流状态，回答就出来了。

但Agent干的事情是，先把这个客户的全部订单历史拉出来，近三年的购买记录，退换货记录，每一笔的商品详情、物流单号、收货地址，全塞进自己的「脑子」里。

然后它才开始回答那个关于快递的问题。

你想想看，这就好比你去问一个客服，我的快递到哪了，然后这个客服先把你的档案翻了个底朝天，把你三年买过的所有东西都记在脑子里，再来回答你。

档案一多，他自己都绕进去了。

这就是问题所在，不是Agent不够聪明，是它的脑子被塞满了不该在的东西。

这个现象有个专业名字，叫「上下文污染」。Agent的注意力是有限的，塞进去的无关信息越多，它对真正重要的事情的判断力就越差。

怎么解决？

派一个「小助手Agent」专门去查订单，查完之后只带回来一句话，12345号订单，已发货，3月15日下单，现在在途。

就这些，够了。

「小助手Agent」有自己独立的「脑子」，它在里面翻了50条记录、做了筛选和总结，但这些过程不会污染主Agent的思考空间。主Agent的脑子里干干净净，只有它需要知道的东西。

这就是多智能体第一个真正有用的场景，用隔离来保护注意力。

什么时候该用呢？当一个子任务会产生大量信息（超过1000个字那种），但其中大部分对主任务来说是噪音的时候。典型的就是查数据库、查订单、查文档这种「先海量检索再精准提炼」的场景。

第二种，好几件事能同时干，互不影响。

这个也好理解。

昨天，我想研究一个话题，「Agent对教育行业的影响」。这个话题很大，有政策层面的、有技术层面的、有家长层面的、有老师层面的。

如果让一个Agent来做，它得先查政策、再查技术、再查家长反馈、再查老师观点，一条线走到底。每查一个方面，前面查的东西就堆在那占脑容量，而且只能串行，一个一个来。

但你想想看，「查中国教育政策」和「查美国教育科技趋势」和「查家长论坛上的真实讨论」，这三件事之间有什么依赖关系吗？

完全没有。

这就像你要给孩子选幼儿园。你一个人跑，今天看A园、明天看B园、后天看C园，要一周。但如果你、你老婆、你妈三个人分头去看，一天就搞定，晚上回来一汇总就有结论了。

关键点在于，三个人不需要互相商量就能各自完成任务。你去A园不影响你老婆去B园。回来只需要分享结论，不需要同步过程。

所以我的做法是，让一个「总管Agent」先把大问题拆成几个独立的小问题，然后同时派出好几个Agent分头去查，各自搜索、各自总结，最后总管Agent把所有结果合并成一份完整的报告。

这种方式最大的好处是全面。一个Agent在有限的注意力里只能挖这么深，多个Agent同时出发能覆盖更大的信息面。

就像Anthropic自己的Deep Research功能，就是用的这种并行多智能体的方式，让多个Agent同时去查不同的方面，最后汇总出一份比单Agent深入得多的研究报告。

代价呢？token消耗确实高了好几倍。但如果你需要的是「不遗漏」而不只是「快点出结果」，这个代价是值得的。

第三种，一个Agent管太多工具，就跟一个人身兼数职一样，哪个都干不好。

这个我也踩过坑。

我之前试过让一个Agent同时管我的公众号内容、客户的舆情监控、还有一些数据分析。三个完全不同的领域，每个领域都有好几个工具要调用。

结果呢，Agent经常搞混。我让它帮我分析一条舆情数据，它给我调用了写公众号文章的模板。我让它写一段文案，它去拉了一张数据表给我。

就像你装修房子，找了一个「全能工人」，让他既刷墙、又接电、又通管道、又装柜子。理论上他都会，但实际操作起来，电接得不规范，柜子装得不牢，因为他脑子里同时装着四个工种的操作规范，经常串台。

更好的方式是什么？找一个工长来统筹，电工只管接线，木工只管装柜，油漆工只管刷墙。每个人手里就那几样工具，干自己最擅长的事。工长负责听你说要干什么，然后派给对的人。

翻译成Agent的世界就是，一个「调度Agent」负责理解你的需求，然后派给专门的Agent去执行。「写作Agent」只配写作相关的工具和一套创意活泼的指令，「数据Agent」只配表格和分析工具，「客服Agent」只配客服话术和耐心亲切的语气。

每个专业Agent的工具少了，指令聚焦了，犯错的概率大幅下降。

一般来说，当一个Agent身上挂了超过15到20个工具的时候，它选工具的准确率就开始明显下降了。这时候就该考虑拆了。

说到这个，顺着再聊一个我觉得特别重要的事。

就算你决定要用多智能体了，怎么拆，比用不用更关键。

很多人拆任务的直觉是按「工种」拆。一个Agent负责规划，一个Agent负责执行，一个Agent负责测试，一个Agent负责审核。听起来很合理对吧？

实际上这是最容易出问题的拆法。

因为这些步骤之间的上下文是高度连续的。规划Agent想的方案，执行Agent不一定完全理解为什么这么规划。执行Agent做的选择，测试Agent不知道背后的取舍。

就像传话游戏，「我喜欢吃苹果」传三轮变成「你妈是苹果」。

正确的拆法是按「信息边界」拆。

问自己一个问题，这两块工作能不能在完全不共享上下文的情况下各自完成？

「查亚洲市场趋势」和「查欧洲市场趋势」可以。两边互不需要对方的信息。

「写一个功能的代码」和「给这个功能写测试」不可以。写测试的人必须知道代码为什么这么写，不然测试测不到点上。这两件事应该交给同一个Agent。

你想想看，这跟写论文是一个道理。

你们四个人合写一篇论文，最好的分工不是一个人想选题、一个人写初稿、一个人找数据、一个人审稿，那样每个人都只有碎片信息。最好的分工是每个人各自负责一个独立章节的从头到尾，最后一个人统稿。每个人在自己的章节里拥有完整的上下文，不需要传话。

最后，说一个我觉得真正好使的多智能体模式。

我叫它「专职刺头」。

就是不管你的主Agent干完了什么活，都派一个独立的Agent来专门检查。

这个模式为什么好？因为检查这件事天然不需要太多上下文。

就像餐厅里，厨师做完菜，有一个专门的试菜员来尝。试菜员不需要知道你怎么炒的、放了什么秘方，他只管，好不好吃？咸不咸？温度对不对？

我自己现在写公众号就用这个模式。我自己写完初稿，我不让帮我查资料的Agent检查。我会派另一个Agent来挑刺，逻辑通不通？有没有口语化不够的地方？有没有哪一段读起来像在写报告？

但这里有个巨大的坑，我必须提醒你。

这个刺头Agent特别容易「敷衍了事」。它看了开头两段觉得还行，就直接说「整体不错，通过」。就像工厂的质检员只检查了流水线上第一个产品就盖了合格章。

所以你必须在指令里明确写死，「你必须从头到尾逐段检查，列出每一个问题，不能只看了开头就说通过」。甚至可以要求它「试着找出至少三个可以改进的地方」，用这种方式逼它认真干活。

好了，聊了这么多，其实核心就一个思路。

在你决定要不要搞多智能体之前，就问自己三个问题。

一个Agent的「脑容量」是不是真的不够用了？信息太多太杂，开始犯糊涂了？

有没有好几件事能同时干、互不影响？

工具和角色是不是多到一个Agent管不过来了？

三个都不是？

那就好好调教一个Agent。别折腾一群。

说真的，这个道理不只是Agent的道理。管理团队也是一样的。不是人多力量大，是合适的人在合适的位置上力量大。多一个人就多一条沟通线路，沟通线路的增长是指数级的。三个人有三条沟通线，五个人就有十条，十个人就有四十五条。

Agent也是一样。

能一个搞定的事，永远先用一个。

这是我踩了不少坑之后，最想跟你说的一句话。