多智能体系统的八个问题和八个原则

用户4242

2025年6月14日修改

做 Agent 研究和开发的朋友们，不要错过今天 Anthropic 发布的关于多智能体系统的文章。​

今天读完这篇文章之后，橘子整理了多智能体系统的8个问题和8个原则，为你全面解析多智能体系统。​

关于多智能体系统的8个问题

1.什么是多智能体系统？

Multi Agent 多智能体系统是指由多个 AI 智能体协同工作、并行使用工具来完成复杂任务的系统。​

单智能体，代表了个体智慧。

多智能体系统，代表了集体智慧。

与单智能体相比，多智能体系统能同时探索多个方向，分工明确，提升效率和覆盖面，尤其适合开放性、动态变化的问题。​

2.为什么要用多智能体系统？

在过去的十万年里，人类个体的智能水平不断提升，但个体的智能水平总归有上限。​

而在信息时代，随着人类集体智慧和协调能力的提升，人类社会的能力也呈指数增长。​

在智能体领域也是类似的，即便是通用的智能体，在单独运作时也会遇到瓶颈，而智能体集结成群，可以完成更加多样更加复杂的任务。​

多智能体系统最适合解决那些“路径不可预知、需要多方向探索”的复杂研究型任务。比如：市场调研、竞争对手分析、学术综述、政策解读等。这些任务往往没有固定流程，需要根据中间发现不断调整策略。​

单一智能体容易陷入线性思维，而多智能体可以同时探索多条路径，快速聚合多维度信息。​

在 Anthropic 内部研究评估中，以 Claude Opus 4 为主智能体，以 Claude Sonnet 4 为子智能体的系统，比 Claude Opus 4 的单智能体性能高出 90.2% 。​

举例来说，当被要求识别信息技术标准普尔 500 指数公司的所有董事会成员时，多智能体系统通过将其分解为子智能体的任务找到了正确答案，而单智能体系统则无法通过其缓慢的顺序搜索找到答案。​

3.为什么多智能体系统是有效的？

Anthropic 的架构采用“主导-子智能体”模式。用户提出问题后，主导智能体会分析任务、制定策略，并根据不同子任务生成多个子智能体。​

每个子智能体独立使用工具（如网页搜索、文档检索等），并行探索不同方向。主导智能体负责整合各子智能体的发现，判断是否需要进一步细化任务或补充信息。​

搜索的本质就是压缩，从庞大的语料库中提炼 Insights。

当语料过于庞大时，压缩就会失真。

通过多智能体系统就能有效解决这一问题。

子智能体在自己的上下文窗口中进行压缩，为主智能体提供多个方面的浓缩信息。​

子智能体各有分工，会使用不同的工具、提示词、探索路径，这样减少了路径依赖，实现多个独立方向的同时调查。​

多智能体系统的有效，是因为他们有效地使用了足够多的 token 来解决问题。​

在 BrowseComp 评估 （测试浏览智能体查找难以找到的信息能力），80%的性能差异都可以用 token 使用的多少来解释。​

只有 15% 的差异可以用工具调用次数和模型选择来解释。

所以，多智能体是一种非常有效的架构。把工作分配给具有单独上下文窗口的智能体，以增加并行推理能力。 ​

多智能体系统的八个问题和八个原则​