多智能体协作的收益与代价

一、拆分的真正动机

多智能体的主要收益是上下文隔离：不同角色不必共享同一段历史，提示可以更短更专注。如果任务本身可以被清晰切分，拆分通常是有利的。

二、通信成本容易被低估

角色之间的交接需要显式传递状态。交接信息不完整时，后续角色会在缺失信息上做假设，错误因此被放大。定义清晰的交接格式比增加角色数量更重要。

三、角色重叠会互相干扰

两个角色职责相近时，模型可能给出方向不一致的结论，且互相强化。职责边界应当尽量正交。

四、先验证拆分是否必要

单角色加更清晰的分步提示，有时已经足够。先用最简单的结构跑通，再决定是否引入多角色，能省下大量调试成本。

五、评估要看整体而非单环节

某个环节质量下降，整体任务仍可能完成。按环节分别评估有助于定位，但最终结论必须来自端到端任务的完成情况。

六、适用边界

本文不给出角色数量或分工的具体建议，这取决于任务结构与可用上下文长度。