文章来源：https://www.philschmid.de/single-vs-multi-agents
发布时间：2025年6月20日
本文作者：Google DeepMind的AI 开发体验专家Philipp Schmid
文章来源：https://www.philschmid.de/single-vs-multi-agents
发布时间：2025年6月20日
本文作者：Google DeepMind的AI 开发体验专家Philipp Schmid
关于在AI社区中构建智能体的正确方式的争论，因为Cognition的「 不要构建多智能体」和Anthropic的「 我们如何构建多智能体研究系统」而变得激烈。尽管标题截然相反，但两者的观点却出奇地一致。
选择单智能体还是多智能体系统并不是意识形态问题，而是为正确的工作选择正确的工具。
展开剩余84%在深入了解之前，让我们建立一个简单的定义。
AI 智能体是一个使用大型语言模型（LLM）作为推理引擎来决定应用程序控制流的系统。
AI 智能体是一个使用大型语言模型（LLM）作为推理引擎来决定应用程序控制流的系统。
单智能体系统作为「单一进程」运行。可以把它想象成一个高度专注的工作者，从头到尾处理一项任务。它维护连续的思维线程（内存）和行动（工具），以确保每一步都能从之前的所有步骤中获得信息。
cognition-single-agent
关键特征：
顺序执行：动作一个接一个地执行。智能体在移动到步骤B之前完成步骤A。
统一上下文：维护整个对话的单一连续历史。每个新步骤都可以访问所有先前的步骤、思维和工具输出。
有状态：早期做出的决策直接且完全影响后续行动，无需消息传递。
顺序执行：动作一个接一个地执行。智能体在移动到步骤B之前完成步骤A。
统一上下文：维护整个对话的单一连续历史。每个新步骤都可以访问所有先前的步骤、思维和工具输出。
有状态：早期做出的决策直接且完全影响后续行动，无需消息传递。
优势：
上下文连续性：步骤之间不会丢失信息
简单性：更容易调试、测试和维护
透明性：清晰的执行路径和决策轨迹
上下文连续性：步骤之间不会丢失信息
简单性：更容易调试、测试和维护
透明性：清晰的执行路径和决策轨迹
劣势：
顺序瓶颈：对于可以并行处理的任务来说速度较慢。
上下文窗口限制：最终会超出（有用的）上下文窗口，导致错误和遗忘细节。
效率低下：可能在重复的上下文上浪费令牌，并且限制于单一模型的能力/指令
顺序瓶颈：对于可以并行处理的任务来说速度较慢。
上下文窗口限制：最终会超出（有用的）上下文窗口，导致错误和遗忘细节。
效率低下：可能在重复的上下文上浪费令牌，并且限制于单一模型的能力/指令
多智能体系统的结构就像一个团队。它通常涉及一个「主管智能体」，将目标分解为更小的子任务，然后将这些任务委派给可以并行操作的多个「工作智能体」。
multi-agent
关键特征：
并行执行：子任务可以由多个智能体同时处理。
委派：「主管」智能体通常分解主要目标，委派子任务，并综合来自工作智能体的结果。
分布式上下文：每个智能体都使用自己的上下文运行，这通常是总信息的一个子集。
并行执行：子任务可以由多个智能体同时处理。
委派：「主管」智能体通常分解主要目标，委派子任务，并综合来自工作智能体的结果。
分布式上下文：每个智能体都使用自己的上下文运行，这通常是总信息的一个子集。
优势：
并行化：可以同时探索多条路径，减少延迟。
专业化：每个智能体都可以针对特定任务进行优化和指导
广度：可以解决复杂、多方面的问题。
并行化：可以同时探索多条路径，减少延迟。
专业化：每个智能体都可以针对特定任务进行优化和指导
广度：可以解决复杂、多方面的问题。
劣势：
上下文：在智能体之间共享正确的上下文很困难
协调：智能体可能重复工作或做出冲突的决策
成本：可能更消耗令牌。（Anthropic：与标准聊天交互相比多15倍令牌）
上下文：在智能体之间共享正确的上下文很困难
协调：智能体可能重复工作或做出冲突的决策
成本：可能更消耗令牌。（Anthropic：与标准聊天交互相比多15倍令牌）
注意：值得一提的是其他多智能体模式，例如群体模式不使用「主管」智能体。相反，它们以更多的点对点方式协作解决问题，这既有单智能体又有多智能体的特征，例如统一上下文，但个别指令，但也带来了自己的挑战。
单智能体 vs 多智能体系统比较
方面
单智能体系统
多智能体系统
上下文管理连续，无损失需要复杂的共享 执行速度顺序并行 令牌使用4x聊天令牌15x聊天令牌 可靠性高，可预测较低，涌现行为 调试直接复杂，非确定性 最适合顺序、状态依赖任务（「写」任务）。可并行化、探索性任务（「读」任务）。 协调不需要成功的关键因素 示例用例重构代码库，编写详细文档。 核心优势上下文连续性和可靠性并行性和可扩展性 主要挑战上下文窗口限制和顺序速度上下文碎片化和协调复杂性方面
单智能体系统
多智能体系统
尽管它们的观点相反，但构建严肃的智能体系统仍有共同原则适用。
上下文工程就是一切：构建能够在正确时间动态维护正确信息以实现可靠决策的系统，是成功和可靠性的关键。这不仅仅是提示工程。
「读」vs「写」智能体：重要的区别不是单智能体vs多智能体。而是你的任务主要涉及读（研究、分析、信息收集）还是写（代码生成、内容创建、文件编辑）。
上下文工程就是一切：构建能够在正确时间动态维护正确信息以实现可靠决策的系统，是成功和可靠性的关键。这不仅仅是提示工程。
「读」vs「写」智能体：重要的区别不是单智能体vs多智能体。而是你的任务主要涉及读（研究、分析、信息收集）还是写（代码生成、内容创建、文件编辑）。
发布于：北京市广州股票配资公司提示：文章来自网络，不代表本站观点。
