A5.1 为什么要多个：三笔真实的账
一个人能干的活，为什么要雇一个团队？
现实中的公司从不用「人多力量大」这种虚话回答这个 问题。真正的理由永远算得清：一个人脑子装不下全部细节（所以分部门）、十件事串行做太慢（所以并行开工）、自己查自己查不出毛病（所以设独立审计）。
多智能体系统的账本一模一样。把 A0 那个「模型 + 工具 + 循环」的智能体复制几份、让它们分工协作，值不值，取决于下面三笔账里你能不能占到便宜。
账①：上下文隔离——最硬的一笔
A3.1 章反复敲打过：上下文是稀缺资源，塞得越满质量越差。
现在想象一个任务：「调研 10 个候选方案，写一份对比报告」。单智能体做，10 份调研资料全部灌进同一条上下文——查到第 7 个方案时，窗口已经塞满前 6 个方案的搜索结果和中间笔记，早期信息开始腐烂，后期调研开始敷衍。
换成 10 个子智能体：每人只调研一个方案，中间过程（搜索结果、比价笔记、失败的查询）全部留在自己的上下文里消化，最后只把三五百 token 的结论交回来。主智能体的上下文里永远只有干净的结论，没有过程垃圾。这就是上下文隔离——多智能体最硬的一笔收益：它买到的不是「更 多算力」，而是「更多干净的工作记忆」。
账②：并行——墙钟时间只算最慢的
10 个子方向逐个查，总时间是 10 份之和；10 个子智能体同时查，总时间约等于最慢的那一个。
这个直觉你在上篇见过：4.5 章的并行训练把计算切给几千张 GPU 分摊。这里只是把「多卡分摊计算」换成了「多智能体分摊任务」——对调研、审计、批量处理这类天然可拆的任务，加速几乎是白捡的。
账③：角色专业化与对抗——审稿人就该挑刺
A2.2 的 caution 留过一个尾巴：让模型自己反思自己，「评估者和生成者偏差共享」，盲区照不亮。
多智能体给出解法：不同的系统提示词 = 不同的人格。给写手的提示词说「高产、大胆、先完成再完美」，给审稿人的说「你的唯一职责是挑毛病，放过一个错误就是失职」——同一个底座模型，装进两个对立的角色里，比一个角色内心纠结要有效得多。挑刺的没有「护犊子」的动机，生成的不必畏首畏尾。
反面账单：多出来的三笔支出
天下没有免费的组织架构。多智能体同时欠下三笔债：
| 支出 | 为什么 |
|---|---|
| 总 token 更多 | 每个子智能体都要重新读一遍任务背景和自己的说明书——背景被复制了 N 份 |
| 消息必丢信息 | 工人 6000 token 的调研过程压成 500 token 结论——工人看到的 ≠ 主智能体知道的 |
| 协调成本 | 两个工人的结论打架，谁裁决？裁决依据哪来？这些在单智能体里根本不存在 |
给第一笔账算个具体数（量级参考本节的多智能体剧场）：一个「3 个子智能体分头调研」的任务，每个工人要先读一遍任务背景（约 2k）再干活（各约 6k），编排者拆任务加汇总约 2k——单次任务总 token ≈ 3 ×（2k + 6k）+ 2k ≈ 26k。同样的活让单智能体一条上下文全干，只需读一遍背景，约 12k。多花的一倍多 token，买的不是「答得更好」，而是上下文隔离和并行——三个工人各自的 6k 中间过程互不污染、还能同时跑。这笔钱值不值，全看你缺的是「干净的工作记忆」还是「省钱」。
任务能被一条上下文舒服装下 → 单智能体。 装不下、或天然可并行、或需要对抗视角 → 才考虑多智能体。这是 A0.2「能简单就简单」在更高一层的重演。
多智能体框架热潮里出现过各种花哨拓扑：全连接聊天室、自由辩论、无中枢集市……生产实践给出的答案相当保守——这些结构大多打不过朴素的「编排者-工人」。结构越自由，失败模式越多：话题漂移、循环扯皮、责任真空。业界共识可以概括成一句话：不要造聊天室，要造流水线。下一节展开。
小结
- 多智能体的三笔收益：上下文隔离（最硬）、并行提速、角色专业化与对抗。
- 三笔代价：总 token 更多、消息传递必丢信息、协调成本凭空出现。
- 口诀：一条上下文装得下就别拆；隔离买的是「干净的工作记忆」，不是「更多算力」。
延伸阅读
- Anthropic：How we built our multi-agent research system——一个生产级「编排者-工人」调研系统的工程复盘（2025），上下文隔离与并行的收益有实测数据。
- 下一节 A5.2 协作形态：雇好了团队，该定组织架构了。