先分清工作流与智能体，再谈编排拓扑
Anthropic 在《Building Effective Agents》里把 agentic 系统分成两类：
- 工作流（Workflows）——LLM 与工具通过预先写定的代码路径来编排。
- 智能体（Agents）——LLM 自主决定自己的流程与工具用法，自己掌控如何完成任务。
核心建议是：先找尽可能简单的方案，只在确有必要时才增加复杂度。因为 agentic 系统本质是「用延迟和成本换更好的任务表现」。多智能体处在复杂度谱系的最高端，应在简单工作流不够用时才引入。
当真要拆成多 agent 时，LangGraph 官方文档给出三大编排拓扑：
- 网络（network）——每个 agent 可与其它任意 agent 通信，多对多，任一 agent 可决定下一个调谁。
- 监督者（supervisor）——每个 agent 只与一个中央监督 agent 通信，由监督者决定下一个调用谁。
- 层级（hierarchical）——监督者之上再设监督者，组成「团队的团队」，用于更复杂的系统。
把单 agent 拆成多 agent 的典型动因有三个：单 agent 工具太多导致选择变差、上下文增长到难以追踪、或需要多个专业化领域分别处理。没有这些动因，就别急着拆。
📷 配图位：三张并排的拓扑图，从左到右「网络 network（多对多连线）/ 监督者 supervisor（星形，中心一个 PM 节点）/ 层级 hierarchical（树形，监督者之上还有监督者）」
主力模式：编排器-工作者，与三类框架范式
多智能体的主力模式是「编排器-工作者（orchestrator-workers）」：一个中央 LLM 动态地分解任务、把子任务委派给多个 worker LLM，再综合它们的结果。
它和固定并行（parallelization）的关键区别是灵活性——子任务不是预先定义好的，而是由编排器根据具体输入临时决定的。
Anthropic 的研究系统就是这个模式的实例：LeadResearcher 负责规划与委派，专职 Subagent 在各自独立的上下文窗口里并行检索，最后由 CitationAgent 统一处理引用归属。（注意：监督者模式 ≈ 编排器-工作者，是同一思路的不同叫法。）
- AutoGen——对话式：核心抽象是「可对话 agent」，让多个能彼此对话的 agent 通过『对话编程』组织交互，可混合 LLM/人类/工具。
- CrewAI / MetaGPT——角色-任务式：预先固定专业角色（产品经理/架构师/工程师等）按 SOP 流水线推进，靠结构化文档而非自由对话协作。
- LangGraph——图式状态机：每个 agent 是有向图中的节点，全局 state 作为共享内存跨步骤持久化，用 network/supervisor/hierarchical 显式编排控制流，便于追踪与可控终止。
为什么「结构化」这么重要？早期的 CAMEL（2023）让两个 LLM（AI 用户 + AI 助手）靠 inception prompting 自主对话协作，但论文直面了自由对话的典型坑：角色翻转（助手反过来发指令）、反复复述指令、对话退化 / 无限循环。MetaGPT 的解法是把人类 SOP 编码成提示词序列、用流水线 + 结构化文档传递取代自由对话——这「减少了因级联幻觉造成的逻辑不一致」，集成 GPT-4 时在 HumanEval 达 85.9%、MBPP 达 87.7% Pass@1。另一条增强正确率的路子是 多智能体辩论（Du 等 2023）：多个 LLM 实例就各自答案多轮互辩、收敛到共识答案，「显著增强数学与策略推理能力」并提升事实正确性、减少幻觉。
两面性：增益很诱人，代价也很真实
先说正面（增益）。 Anthropic 内部研究评测中，以 Claude Opus 4 为 lead、Claude Sonnet 4 为 subagent 的多 agent 系统，比单 agent 的 Opus 4 高出 90.2%——典型如「找出 S&P 500 信息技术板块所有公司的董事会成员」这类广度并行任务。多 agent 擅长的正是「有价值、需要大量并行、信息量超出单个上下文窗口、需要对接众多复杂工具」的任务，尤其是需要同时追多个独立方向的广度优先查询。
代价一：成本。 Anthropic 实测：普通 agent 大约比 chat 对话多用约 4 倍 token，而多智能体系统约多用 15 倍 token。在 BrowseComp 评测上「三个因素解释了 95% 的表现方差，仅 token 用量本身就解释 80%」（另两个是工具调用次数与模型选择）。含义很直接：多 agent 的增益主要来自烧更多 token把推理铺到多个独立上下文窗口换来的，所以它只适合结果价值足以盖过这笔开销的任务，否则纯属烧钱加延迟。
代价二：误差复合 + 失败模式。 「加更多 agent 就更强」是个误区——agentic 系统有复合（compound）误差特性，传统软件里的小毛病在多 agent 里会让整体行为大幅偏离，「小错级联成大的行为改变」。Anthropic 观察到的真实坑：为简单查询生成 50 个 subagent、在网上无休止搜索根本不存在的来源、agent 之间用过量状态更新互相干扰、以及已经拿到足够结果仍不停手。
自测 · 学完检查一下
想真正动手做题、记进度、攒连胜？到互动课里练。
在「编排器-工作者（orchestrator-workers）」模式里，子任务是怎么产生的？它和固定并行（parallelization）的关键区别是什么？
答案：子任务由中央 LLM（编排器）根据具体输入临时动态决定，区别在于灵活性——子任务不是预先定义好的
在 orchestrator-workers 中，一个中央 LLM 动态分解任务、把子任务委派给多个 worker、再综合结果。它与固定并行的关键区别正是「灵活性」——子任务不是预先定义好的，而是由编排器根据具体输入临时决定的。Anthropic 研究系统的 LeadResearcher / Subagent / CitationAgent 就是这个模式的实例。
LangGraph 给出的三大多智能体编排拓扑里，「每个 agent 只与一个中央 agent 通信、由它决定下一个调谁」描述的是哪一种？
答案：监督者（supervisor）
监督者（supervisor）拓扑里，每个 agent 只与一个中央监督 agent 通信，由监督者决定下一个调用谁。对照：网络（network）是多对多、任一 agent 可决定下一个调谁；层级（hierarchical）是在监督者之上再设监督者，组成「团队的团队」。监督者模式也常被叫作编排器-工作者。
判断：只要把任务交给多个 agent 协作，性能就一定会比单 agent 好，所以应该尽量多上 agent。
答案：错误
错误。这是典型误区。一面是 Anthropic 内部评测多 agent 比单 agent 高出 90.2%，但另一面是 Cemri 等（2025）发现多 agent 在多数主流 benchmark 上相对单 agent 的增益往往很小；增益强依赖任务是否真正可并行 / 超单上下文。而且 agentic 系统有误差复合特性——「加更多 agent」会让小错级联成大的行为偏离（如为简单查询生成 50 个 subagent）。
判断：Anthropic 实测多智能体系统大约比普通对话多用约 15 倍 token（单 agent 约 4 倍），所以它只适合结果价值足以盖过这笔开销的任务。
答案：正确
正确。Anthropic 实测：普通 agent 约比 chat 对话多用约 4 倍 token，多智能体系统约多用 15 倍 token；在 BrowseComp 上仅 token 用量就解释了 80% 的表现方差。多 agent 的增益主要靠烧更多 token 把推理铺到多个独立上下文换来，因此只适合结果价值足以抵消成本、且任务天然可拆分时才上。
Cemri 等提出的 MAST 失败分类法把多智能体的 14 种失败模式归为三大类。下面哪一组是它的三大类？
答案：系统设计 / 规范问题、agent 间错位（沟通不畅 / 相互打断 / 信息不一致）、任务验证不足
MAST（Cemri 等 2025）跨 7 个主流框架标注 1600+ 条轨迹，把 14 种失败模式归为三大类：(i) 系统设计 / 规范问题、(ii) agent 间错位（inter-agent misalignment，如沟通不畅、相互打断、信息不一致）、(iii) 任务验证不足，标注者间一致性 Cohen's Kappa 达 0.88。核心洞见是很多失败属于「组织 / 协调」层面，要靠更精细的系统设计解决，而非单纯模型能力不足。