返回 Agent 博客
Agent 架构中文摘要与解读

多 Agent 研究系统如何分工:从单线程搜索到并行协作

当问题无法预先拆解时,由主 Agent 动态委派子任务,再汇总证据与结论,是更自然的研究模式。关键不在 Agent 数量,而在任务边界、反馈与停止条件。

中央协调核心连接四个研究工作台,象征多 Agent 分工与证据汇总
模享概念配图 · 非原文截图

本文为基于英文来源的中文摘要与独立解读,并非原文全文翻译;可直接在本站阅读,原文出处保留在文末。

SOURCE NOTES

原文要点

  • Anthropic 的研究系统采用主 Agent 协调、子 Agent 并行调查的方式,并在汇总阶段处理证据与引用。
  • 这种模式适合同时探索多个相对独立方向的研究问题;高度依赖共享状态的任务未必适合拆分。
  • 并行协作会增加 token 消耗和协调复杂度,任务边界、输出格式与停止条件需要明确设计。

模享解读 · 非原文观点

委派的是问题,不只是主题

我们建议每个子任务至少回答四个问题:需要查证什么、允许使用哪些来源、交付什么格式、何时停止。只发送“研究竞争对手”很容易让多个执行者重复搜索同一批网页。

比如比较三家供应商时,可以分别调查价格条款、集成限制和数据政策,要求返回证据及未知项。主 Agent 负责统一比较口径并处理矛盾,而不是把几份文本直接拼接。对不能独立推进的步骤,则保留顺序执行。

可以从这份清单开始

  1. 判断子任务是否真正独立,是否会争用同一份状态。
  2. 为每个执行者设定任务边界、来源要求与交付格式。
  3. 为整体任务设置时间和成本预算。
  4. 汇总时核对冲突、缺失项与证据,而不仅是合并文字。

来源与说明

参考 Anthropic 发布的材料。本页摘要由模享整理,解读与实践建议为本站补充,不代表来源机构立场。

How we built our multi-agent research system(英文来源,新窗口)