Devin：别用多Agent；Anthropic：我用了，提升90+%性能

哈喽呀各位，晚上好，我是辰星，专注于研究AI智能体AI提效。最近很有意思，有两篇知名agent公司发了两篇技术博客。一个呢，是著名的Devin的CEO表示，不要构建多智能体系统。另一个呢，是著名的Anthropic公司，分享了他们是如何通过多智能体系统提升90%性能的。

这下搞笑了，看着跟两者互撕一样。（当然，两家公司也都没说对方错了）所以，这两到底谁错了呢？观众姥爷们怎么看？
那我是这么想的。咱就是说，其实有没有一种可能，两都没错。哎嘿，套公式就是快，万能折中大法！

单智能体 VS 多智能体

最终还是要根据具体场景和情况讨论。单智能体与多智能体，其实区别就在于一个还是多个嘛。
举个现实例子。创业到底一个人容易成功还是一群人容易成功呢？没法定论对吧。
一个人成本开销小，而且没有沟通成本，但上限肯定会受个体力量局限。一群人成本大，沟通成本更大。各个人所拥有的信息是不一样的，很难统一目标，同时管理所有人。

智能体A传话给智能体B时，B没听懂，自己捣鼓了一个结果就交差了。这时B又传话给智能体C，好家伙，这么传下去，“谣言”是越传越离谱！你猜最终当领导的agent会收到一堆什么玩意？要不说Devin的CEO都快被整的快破防了。
公司职位薪资高、官大的大多时间投入在了管理上面，人家钱肯定不是白拿的呀，管理本就是一件很难的事。但管理好了，上限也是无限高，从个体→公司→国家，智能体也遵从同样的道理。
于是Devin的CEO表示，解决不了，那就别解决了！就用单Agent，所有活一个Agent干，所有的上下文都是一个Agent的。然后不断压缩这个Agent的上下文就能实现还不错的效果了。

而Anthropic用了个经典的“主Agent+子Agent”的架构形式，通过各种工程设计和Prompt调优实现了90%的性能提升。具体可以看上篇文章。Anthropic：多agent系统让性能飙升90%！

虽然他们没有讲太多智能体间的沟通问题，但是采用了不少技术解决这个问题。

外部记忆用于接力：当对话太长时，Agent会总结工作内容并存入外部记忆，然后运行一个拥有新的没有上下文的Agent来接力。相当于写了个公司文档让新人去做。
文件系统作为中间件：子Agent不把冗长的结果通过对话的形式汇报，而是直接把结果（如报告）存到文件系统，只交回一个报告的地址。
精细化任务：通过Prompt设计调优让主Agent给子Agent非常明确的目标、输出格式和任务边界。

如何抉择技术选型？

所以，讲了半天到底用不用多智能体呢？我个人觉得哈，目前多智能体相关技术还不算很成熟，能用单智能体解决的还是少用多智能体。不过呢，有些场景它天生就适合多智能体，那只要钱管够，不用白不用。
多智能体的核心难点在于，如何实现智能体间的交流保持各个智能体的上下文一致。那么如果压根不需要多个智能体间交流信息，就不会有这个困难了。展开讲就是：子任务间相互独立。如果一个任务可以被分成多个不相关的子任务，每个智能体各干各的，那自然是极好的。这种场景下不用花大量时间用在多智能体的互相交流上，还可以让多个智能体并行完成各个任务，大幅提高系统的性能。例如Anthropic的DeepResearch，主要是让子Agent去收集信息，最后用单独的agent汇总和审核信息。但依旧是花了不少功夫在主Agent与子Agent的协同上。
懂编程的朋友们会觉得很熟悉了，并发与并行也是类似，并发要考虑多线程/进程间的同步问题，技术难度啪的一下就上升了。