多智能体协作是让多个分工不同的智能体协同完成一件事的架构，如一个查资料、一个写稿、一个审核，适合流程长、角色多的复杂任务。
本文由北京国信诚商互联网科技有限公司整理 · 更新于 2026-10-31基本定义
多智能体（Multi-Agent）是指把复杂任务拆成若干角色，由多个各自具备工具与提示的智能体分工执行，并通过消息传递或共享状态协同完成整体目标。
它的思路接近真实组织：一个人做不完的事，拆给几个岗位各管一段，再汇总产出。
常见协作模式
不同任务适合不同的组织形态。
- 流水线：上游输出作为下游输入，适合内容生产
- 主管—执行：一个统筹智能体拆任务、分派、汇总
- 辩论与评审：多个智能体给出方案，交叉评审后收敛
- 并行分工：各智能体处理不同子任务，最后合并
代价与风险
多智能体不是免费的午餐，成本与风险都会上升。
- 调用成本翻倍：每增加一个角色就多一轮模型调用
- 错误传播：上游的偏差会被下游当作事实继续加工
- 上下文膨胀：角色间传递的信息越多，越容易失控
- 调试困难：出问题时难以定位是哪个角色、哪一步导致
落地建议
从两个角色起步：一个负责执行、一个负责校验，往往就能明显提升输出质量。只有当角色确实需要不同工具集与不同知识边界时，才继续拆分。生产环境还应设置全局终止条件与预算上限，避免智能体之间互相触发形成无限循环。
常见问题
多智能体一定比单智能体好吗？
不一定。角色增多会带来成本与错误传播，简单任务用单智能体往往更稳。
多智能体适合什么场景？
流程长、角色职责清晰、需要交叉校验的任务，如方案撰写、代码审查、多源调研。
成本会高多少？
与角色数量和交互轮次成正比，实践中常见为单智能体的数倍，需要按任务价值评估。