多智能体协作

多智能体的理论基础来自「辩论提升正确性」：让多个模型实例互相质疑、投票，能在部分推理任务上超过单体。工程化之后变成了角色扮演框架——MetaGPT 把软件公司的 PRD-开发-QA 流程搬进 Agent 编排，AutoGen 提供了通用的多智能体对话运行时，CrewAI 用「船员-任务」隐喻降低了上手门槛。

2024 年后的经验曲线呈现「先热后冷再务实」：早期 demo 惊艳（模拟公司、模拟社会），生产环境却常发现——多智能体的错误率是各环节的乘积，通信开销与 token 成本翻倍，效果还不如单体 + 好工具。真正跑通的场景集中在：并行探索（多方案赛马）、对抗验证（生成者 vs 审查者）、以及大规模仿真（社会模拟、红队）。

看点

判断多智能体架构是否值得的简单标准：任务能否被真正分解为「可并行 + 可验证」的子任务。若否，它大概率只是把单体模型的幻觉变成了多个模型的合谋。