13. 多 Agent 的价值不是同时运行多个模型

把同一段对话复制给三个模型并同时运行，只是增加了并发模型调用。它没有自动解决任务分解、上下文污染、权限继承和结果冲突。

子 Agent 真正增加的是一条新的委派边界。

一份任务包需要哪些内容

只传“帮我分析日志”，子 Agent 不知道分析范围；复制主会话全部内容，又会把无关信息和权限带入子任务。

上下文隔离减少两类成本

第一类是 Token。子 Agent 只需要与子任务有关的文件和规则，不必重复主会话全部历史。

第二类是认知干扰。主会话中已经放弃的方案、其他模块细节和私人信息不会进入子任务。隔离并不是隐藏必要信息，而是明确选择必要信息。

权限应随委派收缩

主 Agent 可以读写仓库，不表示日志分析子 Agent需要写权限。委派时按任务重新计算动作和资源：

子 Agent 返回“请执行某命令”也不等于已经获得执行许可。主 Agent仍要重新检查动作。

主 Agent要验证结果

子 Agent 输出不是自动成立的事实。主 Agent至少检查：

• 是否使用了指定输入。
• 是否超出任务边界。
• 是否满足输出结构。
• 引用证据是否存在。
• 多个结果是否冲突。

若两个子 Agent给出不同结论，不能用多数票代替证据核对。可能是输入不同，也可能是其中一方遗漏了约束。

哪些任务不适合拆分

短任务、强顺序依赖任务和共享同一可变资源的任务，拆分后通信成本可能超过收益。三个子任务若都需要持续读取彼此最新状态，就已经不是独立委派。

多 Agent实验应测什么

同一任务分别采用单 Agent、完整上下文复制和最小任务包三种方式，比较：

• 总输入 Token。
• 完成时间。
• 重复读取次数。
• 越权动作数量。
• 结果冲突数量。
• 主 Agent验证耗时。

多 Agent的价值应由隔离和并行带来的净收益证明，而不是由界面中出现多少个运行中的模型证明。

委派需要形成父子轨迹

主 Agent 创建子任务时生成独立 trace_id，同时保存父轨迹、父轮次和委派事件。子 Agent 的工具事件留在子轨迹中，最终结果通过结构化 delegation.completed 事件返回父任务。

这样既能单独计算每个子任务成本，也能从主任务追踪某条结论来自哪个子任务。把所有事件写入同一对话，会丢失预算和权限边界。

结果合并本身是一项工作

主 Agent 合并结果时要处理重复事实、互相矛盾的结论、不同时间点的证据和未完成项。合并事件应保存采用、拒绝和需要复查的条目，而不是只留下最终摘要。

如果验证与合并成本接近子任务本身，拆分就没有产生净收益。评测因此要把主 Agent 的分解、等待、验证和合并 Token 一并计入。

收益来自任务结构

净收益 = 并行与隔离收益
       - 委派、通信、验证与合并成本

多 Agent 可以并行独立子问题、隔离工具与上下文、缩短局部轨迹。高度依赖同一份变化代码的任务则要反复同步，通信成本可能超过收益。

三个相同模型读取同一错误数据时，错误高度相关，多数表决不能消除共同偏差。有效独立性来自不同证据、方法或隔离环境。2026 年一项公开研究比较五类协作结构，指出更强模型可能缩小协作收益，且效果由任务结构决定。Capable language models can outgrow the benefits of collaboration

A2A 等协议可以交换能力卡、任务、消息和产物，但互操作不等于共享信任。接收方仍要验证身份、能力声明、任务范围与结果来源。

实验比较单 Agent、共享完整上下文、最小任务包和独立方法交叉验证。报告墙钟时间、累计 Token、重复读取、冲突、合并耗时、权限范围和正确性。