多智能体系统

让一个智能体包揽所有事情——调研、写代码、评审、测试——在任务比较长或比较杂的时候容易顾此失彼：规划需要的上下文和执行需要的上下文会互相挤占。多智能体系统的做法是把工作拆给几个独立的智能体，每个只负责更窄的一块，通常也配更专精的工具和指令集，再想办法把它们的输出拼成一个结果。

常见的结构是有一个编排器（或者叫主智能体）负责把任务拆成几块，分给对应的专用智能体——调研、编码、评审——再把回来的结果整合起来。编排器本身不干具体的专业活，它的工作是分派和协调，有时候为了省时间会让几个智能体并行跑，有时候因为一个的输出是另一个的输入，只能按顺序来。

多智能体系统会带来实打实的协调成本——智能体之间可能意见不一致、重复干活，或者需要一个大家都认的『事实来源』——所以一般是任务足够大、足够杂，拆开确实比一个智能体从头做到尾更划算的时候，才值得引入这套复杂度。

怎么运作

图中展示的是典型结构：编排器居中，把任务分派给几个专用智能体（这里是调研、编码、评审），再收回它们的结果——双向箭头说明编排器既分派任务又收集结果，而这几个专用智能体一般不会互相直接对话。

举个例子

一个负责开发新功能的多智能体系统，可能用调研智能体去查清楚某个库的接口怎么用，编码智能体基于这份调研写实现，评审智能体在提 PR 之前检查这份 diff 有没有 bug 或风格问题——编排器负责把这三步串起来。

和相关概念的区别

常见误解

常见问题