🎯 今日核心问题

  1. 「多 Agent 更强」这个直觉,在什么条件下是错的?
  2. 有没有不用拍脑袋、能算出来的拆与不拆判据?
  3. 如果决定要拆,第一刀该切在哪,切错了会付出什么代价?

📖 精读提纲

【一】多 Agent 不是升级,是分布式系统

前四周你一直只有一个 Agent。它的所有毛病你都清楚:上下文会膨胀、工具会选错、步数会失控。多 Agent 的第一性原理不是「一个脑子不够,多用几个」,而是把一份上下文和一套工具拆成互不干扰的几份。收益只有一个来源:隔离。成本却实打实:多一次调用多一份延迟与 token、多一个失败节点,外加「结论怎么合并」的一致性成本。

换句话说,多 Agent 把你从「调一个模型的 API」变成了「运维一个小型分布式系统」:后面六天你会反复撞上通信协议、上下文丢失、矛盾结论、重试放大费用。所以第一个问题永远是:这个任务真的需要隔离吗?

【二】四条「不该拆」的硬判据

下面四条任何一条成立,就不拆。这不是经验,是可以写进评审 checklist 的规则。

再加一条软性成本判据:拆完之后 token 涨不到 1.5 倍、且质量提升可量化,才值得。D6 会把这句算成公式。

【三】该拆的三种真实信号

反过来,观察到下面三种现象,说明单 Agent 的天花板已到:上下文争抢:两类任务的上下文混在一起,处理 A 时被 B 的历史污染;角色冲突:同一个 Agent 既要「激进地找问题」又要「温和地写答复」,两个目标在同一个系统提示里相互抵消,输出变得中庸;权限分裂:不同步骤需要不同权限等级(只读 vs 可写库 vs 可对外发消息),你不想给一个 Agent 全能权限。

【四】第一刀切在哪

决定要拆后,第一刀应按「产出物」切,不要按「步骤」切。产出物边界天然带验收标准(一份报告、一个补丁、一个结论),步骤边界只是时间顺序。按产出物切的 Agent,接口就是产出物本身,好测、好换、好并行。D7 的三 Agent 系统就是这个思路:Writer 的产出是草稿,Reviewer 的产出是问题清单,Supervisor 的产出是最终版。

💻 代码示例

把四条判据写成一段可执行的评审代码,放进 Agent 上线前的质量门禁。它拦住的不是模型,是你自己的冲动。

@Service
@Slf4j
public class MultiAgentGate {

    /** 单 Agent 装得下的上下文占比上限 */
    private static final double CTX_BUDGET_RATIO = 0.40;
    /** 工具数拐点:低于此值拆分收益为负 */
    private static final int TOOL_SPLIT_THRESHOLD = 15;
    /** 拆分后 token 放大倍数上限 */
    private static final double TOKEN_INFLATION_CAP = 1.5;

    public SplitDecision evaluate(int windowTokens,
                                  int systemTokens,
                                  int worstCaseToolOut,
                                  int maxSteps,
                                  int toolCount,
                                  boolean serialChain,
                                  boolean hasOutputContract,
                                  double inflationForecast) {

        int singleAgentNeed = systemTokens + worstCaseToolOut * Math.min(maxSteps, 3) + 1200;
        double fillRatio = (double) singleAgentNeed / windowTokens;

        List<String> blockers = new ArrayList<>();
        if (fillRatio <= CTX_BUDGET_RATIO)
            blockers.add("判据一:单 Agent 上下文占用 %.0f%%,装得下".formatted(fillRatio * 100));
        if (toolCount < TOOL_SPLIT_THRESHOLD)
            blockers.add("判据二:工具 " + toolCount + " 个,未达 " + TOOL_SPLIT_THRESHOLD + " 个拐点");
        if (serialChain)
            blockers.add("判据三:串行强依赖链,改用 Plan-and-Execute");
        if (!hasOutputContract)
            blockers.add("判据四:子任务写不出可验收产出契约");
        if (inflationForecast > TOKEN_INFLATION_CAP)
            blockers.add("成本:预估 token 放大 %.1f 倍,超过 %.1f 上限"
                    .formatted(inflationForecast, TOKEN_INFLATION_CAP));

        if (!blockers.isEmpty()) {
            log.info("不拆,命中 {} 条判据: {}", blockers.size(), blockers);
            return new SplitDecision(false, blockers, "single-agent + 优化工具描述");
        }
        // 该拆:按产出物划界,而不是按步骤
        return new SplitDecision(true, List.of(),
                "按产出物切分,每个子 Agent 必须持有一个可验收的产出契约");
    }

    public record SplitDecision(boolean shouldSplit,
                                List<String> blockers,
                                String recommendation) { }
}

一个真实对照:某团队的「合同审查」任务,工具 22 个(法规检索、条款抽取、风险库、OCR),单 Agent 上下文占用算下来 78%,且「找风险」与「写修改建议」两个目标互相拉扯。四条判据全部不命中,判定该拆。拆成「风险识别 Agent(只读、产出风险清单)」+「修订建议 Agent(只写、消费风险清单)」之后,token 从每次 4.2 万涨到 6.1 万(1.45 倍,卡在上限内),风险召回率从 61% 升到 84%。这才叫拆得值。

✏️ 今日动手

拿你手上现有的一个单 Agent 任务(W3 的售后工单或财报分析),把 windowTokens、systemTokens、最坏工具返回体、最大步数、工具数五个数抄出来,跑一遍 MultiAgentGate.evaluate。要求:① 记录判定结果与命中的判据;② 若判定不拆,写下你准备用什么单 Agent 手段解决当前痛点;③ 若判定该拆,写出这一刀切下去后每个子 Agent 的产出契约(输入、输出格式、验收条件),这就是 D3 专家池的定义。

🔖 明日预告

判定要拆之后,下一个决策是拓扑:谁向谁汇报、能不能并行、允不允许争论。明天把三种主流分工模式(Supervisor / Pipeline / 辩论式)放在同一张表上比,重点看它们在「可调试性」和「延迟」上的真实代价。