Multi-Agent Coordination Patterns
五种静态 pattern 只是骨架,页面真正的信息量在几十个案例片段里,但缺少一条判断线:什么时候多 Agent 值得、什么时候该折回单循环——成本冷数据和 Bitter Lesson 反思与案例堆混在一起。
主题导航
- 协调器与 worker 的职责切分:反复出现的做法是协调器保留目标、分解与验收,worker 只做边界清楚的执行,且交接必须写明交付物、上下文与验证方法。跨仓库、跨线程派发时协调器注意力靠完成事件而非轮询维持,但停止条件与递归深度普遍没定义。
- 并行的成本与收益冷数据:横向评测显示多智能体平均贵 1.8–5.1 倍而收益微弱,子 Agent 数量超过阈值只增加重复检查;并行价值来自反馈回路与冲突控制而非 agent 数。Navier-Stokes 复盘还警告多智能体获得的功劳被高估。
- 何时把子 Agent 折回主循环:带 Skills 的单 Agent 在质量、成本、延迟上经常同时胜过裸提示和多子 Agent 设计,组织层面也出现『不预设架构、只给目标与验收』的自发分工修正。这些结论多为单来源报告,需要以自己的任务做折叠前后对比才能推广。多用户实验(Anthropic《Worse Together》,2026-11)进一步显示:共享资源场景下“每人一个 Agent”一致差于“一个 Agent 服务所有人”,指定 leader 与先读消息再行动是有效的环境化修复。