★ FEATURED ARTICLE 上周我脑子一热干了一件看起来特别先进的事——把手上那个单 Agent 帮我写季度汇报的活儿拆成了五份交给五个各管一摊的 Agent 去干。一个去扒数据一个去读历史文档一个管汇总提炼一个管写初稿最后一个管校对。当时我站在它们中间看着进度条一个个往前走心里那个爽——这才叫团队作业嘛一个人干五人的活。结果二十分钟之后我眼睁睁看着屏幕上开始刷一种让我血压升高的对话负责管数据的 Agent 说需求里没说明确统计口径我这边先按上月口径出,然后负责写稿的 Agent 回了一句那我把这段标注为待确认你再查一次——请注意它俩来回拉了整整四轮谁都没真下手干活光在这互相确认需求了。我哭笑不得。五个 Agent 各司其职它俩愣是演出了一场办公室扯皮戏A 说缺输入B 说你先给A 说那你给个格式啊B 说文档里写了你没看……两个模型聚会最后卡在了一句万能的请稍候我正在处理。处理的不是数据是为谁先动手指绕圈。先说清楚这不是单个模型笨。相反拆得越细每个 Agent 脑子里那点上下文越干净干活质量单看都不错。问题出在分工和衔接上——你把人手的逻辑照搬到模型之间才发现模型之间沟通成本根本不是你想的那回事。人跟人扯皮至少有一方能抢着我来拍板可模型跟模型谁都没有真正的权威感谁都觉得自己那部分最对于是谁都不肯先妥协就僵那儿了。我第一次撞上是因为省事。我心想各 Agent 之间传话嘛把 A 的输出贴给 B 当输入不就完了于是我真就写了个简单的中转A 干完把结果丢一个公共区B 自己去拿。两周下来表面挺顺可第 10 次跑的时候我才发现B 拿到的数据经常是前一天缓存的旧版本——因为 A 干完忘了通知B而 B 拿着上一轮的准了结果就直接开工了。它俩之间压根没有一个这份是新的的信号。这可比人之间漏通报还隐蔽因为模型不会主动问你一句哎你这条数据是不是最新的。所以后来我学到一个词叫orchestrator编排者——得有个项目经理式的角色专门管分配 校验 收口而不是让每个 Agent 平级地自己跟邻居对接。你让平级的模型自己扯皮它只会礼貌地互相好的收到然后原地转圈。加一个明确的调度者谁先做什么、什么算做完、干完交给谁、扫尾谁来确认全都写死在流程里效果立刻不一样。它的权威不来自屁股大而是来自它手里的那份明确的 DAG有向无环图就是规定谁先谁后的任务顺序。不过加了编排者也别高兴太早因为又冒出新坑——重复劳动。我那个调度者太勤快连着三次给统计汇总结返校对的 Agent是在同一个问题上批复重来一遍更稳妥。它每次都想哎呀上一次也许漏看了再跑一遍吧结果一条汇报它跑了我 40 分钟的 token最后出来跟前一版一字不差。教训是给重新运行设条件明确这个 Agent 只有在上游输出发生变化时才允许再跑一遍否则不许重来。省掉的不是一点点钱是排队等 token 的那半天时间。说起来还有个挺好笑的岔。它们卡壳的时候我在群里打了句要不咱们列个 todo 吧结果五个 Agent 同时在三个地方各建了份待办清单最后互相引用了对方的清单链接做成了一套俄罗斯套娃式的推进计划。那瞬间我真觉得与其给它们互相传话不如直接告诉它们你们别开小差了听队长的。到现在我还是更相信一个能力强的 Agent 带一个负责捡漏的伙伴比五个平庸的 Agent 各司其职要稳得多。不是拆得越多越好——拆得越碎越容易在缝隙里跑冒滴漏。我那天后来把五个缩成三带个明确的话事人半小时就把汇报整出来了中间一次手影都没再返。所以留个问题跟你掰扯掰扯多 Agent 协作这件事你更看重分工明确、各管一摊还是权力集中、一个 Boss 说了算我目前是站后者的——老板越多甩锅越积极。你自己的 Agent 团队现在分工是几比几
阅读完成 · 觉得有帮助？
