§04 多智能体不是堆人，是分工
04.1 2026 年 7 月的一个数字
腾讯云一篇文提到麦肯锡《2026 企业级 AI 代理经济报告》。
数字很硬：多智能体协作，任务完成率比单体 Agent 高 4.2 倍。错误恢复能力增强 67%。
同年，IEEE 发布《自主智能体互操作与伦理治理标准》。
多智能体，从概念变成工程刚需。
04.2 为什么一个不够
单体 Agent 干复杂活，会暴露三个毛病：
第一，认知过载。一个脑子又想规则、又调工具、又写内容，容易乱。
第二，单点故障。它一错，全任务断。
第三，没有制衡。它自说自话，难自查。
04.3 一个经典团队配置
内容创作的多智能体，常是 5 个角色，职责完全隔离：
| 角色 | 干啥 | 类比 | 标叔的结论 |
|---|---|---|---|
| 主编 Agent | 定方向审大纲 | 项目经理 | 必须唯一拍板 |
| 研究 Agent | 找资料标源 | 调研员 | 只管搜不管写 |
| 写作 Agent | 出初稿 | 笔杆子 | 专注产出 |
| 评审 Agent | 挑错挑刺 | 质检 | 和写的分开 |
| 执行 Agent | 排版发布 | 运营 | 最后落地 |
分工清楚，互不越界。一个累垮，别的顶上。
示意图 6：多智能体团队（5 角色 + 总协调器）
flowchart TD
O["Orchestrator 总协调器"] --> E1["主编 Agent<br/>定方向·审大纲"]
O --> E2["研究 Agent<br/>找资料·标源"]
O --> E3["写作 Agent<br/>出初稿"]
O --> E4["评审 Agent<br/>挑错·挑刺"]
O --> E5["执行 Agent<br/>排版·发布"]
style O fill:#0ea5a4,stroke:#0f766e,color:#fff
04.4 三层治理架构
生产级多智能体，不是堆几个 LLM。它有三层：
- 角色定义层：每个 Agent 干啥、能用啥工具、输出啥格式。最小权限。
- 协作协议层：Agent 间怎么通信、怎么路由、冲突怎么解。用结构化消息（JSON），别用自然语言。
- 监督控制层：一个全局协调器（Orchestrator）。负责任务分解、进度、异常、聚合。
示意图 7：多智能体三层治理架构
flowchart TD
L1["① 角色定义层<br/>最小权限·输出格式"] --> L2["② 协作协议层<br/>结构化消息 JSON"]
L2 --> L3["③ 监督控制层<br/>Orchestrator 调度"]
style L3 fill:#0ea5a4,stroke:#0f766e,color:#fff
04.5 四个反直觉原则
经验：我踩过坑才懂这几条。
第一，别追求全自主。留人类"否决权"和"重置权"。
第二，别让 Agent 自由聊。用 Schema 定消息格式。牺牲点灵活，换稳定。
第三，别忽视沉默成本。Agent 间无效通信也是钱。要监控效率。
第四，别拿 MAS 当万能药。简单任务，单体更快。超了认知阈值才上团队。
§04 讲完"组队"。下一章讲"脑子"——推理与规划，决定 Agent 聪不聪明。