多 Agent，不是更聪明，只是桌子更多了

最近我一直在想一个问题：

既然一个 AI Agent 能干活，那多叫几个 Agent 一起干，是不是一定会更好？

听起来应该是。

一个人查资料太慢，那就叫五个；一个人想方案不够全面，那就叫三个互相讨论；最好再加一个总指挥，像搭公司一样搭一支 AI 团队。

但真正拆开之后，我发现事情没那么简单。

我原来把“人多”理解成了“更聪明”。后来才意识到：多 Agent 真正增加的不是智商，而是桌面面积。

先记住一个画面

想象一个博士坐在书桌前。

桌上摆着他查过的资料、写过的草稿、走过的弯路，以及为什么放弃某个方案的全部痕迹。他做下一步判断时，前因后果都还在眼前。

这就是单 Agent：只有一张桌子，但上下文是连续的。

现在，博士找来四位实习生。每个人都有一张独立书桌，可以同时翻不同的资料。

总桌面一下变大了，速度也可能更快。

但有一个限制：实习生只能把结果写在一张便签上交给博士。

博士看不到他们完整的搜索过程，也不知道他们排除了什么、犹豫过什么，更不知道某个结论成立时依赖了哪些细微语境。

这就是多 Agent：桌面变大了，但交接是有损的。

多 Agent 不提高智商，只提高桌面面积。

什么时候值得多摆几张桌子？

我把真正值得调用多 Agent 的情况，压缩成三类。

第一类：原料太多

例如要翻大量文件、网页、聊天记录，最后只需要找到一件事，或者让每个人交回一句短结论。

这种任务最适合分片：每个 Agent 读一部分，主 Agent 最后汇总。

因为你真正需要的，本来就是那张“便签”。

第二类：需要彼此独立的意见

例如代码审查、方案评估、风险检查。

让同一个 Agent 连续想三遍，它很容易记住自己前一次的判断，越想越相信自己。

让几个彼此不知道对方答案的 Agent 分别检查，才能得到真正独立的视角。

第三类：需要隔离脏输出

跑测试、翻日志、批量搜索，往往会产生一大屏过程信息。

这些内容会占满主对话的上下文，却不一定值得保留。

把脏活交给旁路 Agent，只把测试结果、错误位置和结论带回来，主桌面就能保持干净。

哪些情况反而应该退回单 Agent？

同样也有三类。

第一步必须吃透上一步

如果后一步要看着前一步的结果才能决定怎么做，这种链式任务很难切开。

硬拆成多人接力，每交接一次都可能丢掉信息。

最值钱的是思考过程

判断、设计、写作，真正值钱的常常不是最后一句结论，而是形成结论的过程。

过程装不进一张便签，就不要轻易把它分出去。

一步就能完成

如果任务查一下、改一下就结束，启动、说明、等待、回收一个 Agent 的成本，可能比任务本身还高。

为了“有团队感”而组队，只是在制造管理工作。

最简单的三问决策门

以后再纠结要不要多 Agent，可以依次问三件事：

第一，原料是否大到一张桌子放不下？

如果不是，用单 Agent。

第二，结果能否压成一张便签？

如果不能，用单 Agent 保留完整过程。

第三，子任务是否能独立推进？

如果能，才考虑多 Agent。

任何一道门过不了，都别急着为“组队感”支付协调成本。

最后再选模式

不是所有并行任务都需要一整套 Agent Teams。

• 单 Agent：适合连续判断、设计和写作，上下文完整最重要。
• 子 Agent：适合独立搜集、测试和审查，完成后统一向主 Agent 汇报。
• Agent Teams：只有多个角色必须动态看见并回应彼此产出时，才值得承担更高的通信成本。

所以，真正的问题从来不是：“我能不能多叫几个 Agent？”

而是：

这件事缺的是更多桌子，还是一条不能被切断的思考链？

先问桌子够不够，再问要不要组队。

---

我是罗老师，一个用 AI 搞事情的人。关注我，看更多别人不会告诉你的 AI 实战判断。

想和我深度交流？扫码加入知识星球「AI 进化俱乐部」，一起研究 AI 工作流、Agent 落地和个人成长路径。