Multi-Agent Patterns（多智能体协作模式）

为什么用多个 agent 而不是一个？

单个 agent 的 context window 是有限的，而且是一步步工作的。面对大型任务——大规模调研、复杂的代码库——这会遇到瓶颈。多个专精化或并行的 agent 可以绕开这个限制，但代价是消耗更多 token，并且需要协调。

常见模式

• Orchestrator-worker（协调者-执行者）：一个主 agent（orchestrator）将任务拆解，把各部分委派给 subagent，再汇总它们的结果。Anthropic 自己的研究系统正是采用这种模式：一个 lead agent 协调多个专精化的 subagent，让它们并行调查一个问题的不同方面。
• 顺序 pipeline：agent A 的结果成为 agent B 的输入，agent B 再传给 agent C——就像流水线一样。
• 并行 fan-out：多个 agent 同时独立处理不同的子问题，最后将结果汇总在一起。
• 审查/辩论：一个 agent 生成方案，另一个独立的 agent 在方案被采纳之前对其进行审查或提出批评。

权衡取舍

agent 越多，意味着消耗的 token 越多、成本越高、协调开销越大——但同时也带来更强的并行能力、更好的专精化，以及更干净的主上下文，因为中间步骤留在各自 subagent 的上下文中，而不会淹没主上下文。