我们把单 Agent 拆成多智能体之后，翻了三次车

单Agent审合同十分钟搞定，碰到复杂协议却输出"一坨自相矛盾的东西"——不是模型不够聪明，是一人兼数职误差指数级放大。

多智能体把组织设计思路搬到AI系统里，但Agent之间"打架"、编排者成最大坑、调试像开盲盒——三次翻车换来三条铁律：结构化契约、该写死就写死、可观测性从第一天做起。

———— / BEGIN / ————

单 Agent 没死，但它的天花板已经肉眼可见了。

去年我们给一家中型律所做了一个合同审核 Agent。一个 Agent，塞了详细的 Prompt、挂了 RAG 知识库、接了几个工具。Demo 演示的时候客户拍桌叫好——"太牛了，以前实习生干一天的活，它十分钟搞定！"

上线两周后客户打电话来了，语气不太好。

"你们这个东西，简单的保密协议审得还行，但碰到一份涉及多方主体、包含对赌条款和知识产权交叉授权的投资协议，它给我输出了一坨自相矛盾的东西。我要是拿这个去给合伙人汇报，整个所的脸都丢了。"

问题不是模型不够聪明，而是我们让一个 Agent 同时干了太多事：识别合同类型、提取关键条款、比对法规库、评估风险等级、生成审核意见。每一步都有不确定性，串在一起误差就指数级放大。

这就是我开始认真搞多智能体的起点。

为什么单 Agent 撑不住复杂业务

想想你们公司的组织架构就理解了。你不会让一个人同时干商务谈判、法务审核、财务核算和风控评估吧？设不同岗位，各有专长，按流程协作——公司就是这么运转的。

单 Agent 的困境就是"一人身兼数职"。任务复杂度过了某个临界点，它的 Prompt 又长又矛盾，上下文窗口被各种指令塞满，注意力被分散，质量就崩了。

多智能体干的事情说白了就是把组织设计的思路搬到 AI 系统里——拆岗位、定职责、设流程、建质检。

理想是美好的。

但坑，是真的多。

翻车一：Agent 之间"打架"

还是那个律所项目。我们把单 Agent 拆成了四个：分类 Agent 判断合同类型 → 提取 Agent 抽关键条款 → 风控 Agent 比对法规评估风险 → 报告 Agent 生成审核意见。

上线后碰到一个诡异的问题：风控 Agent 明明标了"高风险"，报告 Agent 在生成最终意见时却写成了"中等"。查了半天才搞清楚原因——报告 Agent 拿到的上下文太长了，前面几个 Agent 的输出拼在一起有好几千字，它的注意力漂移了，自己脑补了一个更温和的结论。

后来的解法是给 Agent 之间设严格的数据契约——每个 Agent 的输出格式是结构化的 JSON，下游只接收它需要的字段，不看多余的东西。

说起来像什么？

对，就是 API 接口设计。

做过系统间对接的 PM 应该都不陌生。

翻车二："编排者"自己成了最大的坑

第二版我们加了一个"总控 Agent"来协调调度，相当于项目经理的角色。它负责判断当前该派哪个 Agent 干活、结果要不要打回重做。

结果这个总控自己成了最大的不稳定因素。它偶尔会误判任务类型，把一份租赁合同分到了投资协议的流程里；有时候该把结果打回去让风控重审，但它觉得"差不多得了"就放过了。而且它一出错，整条链路全跟着歪。

后来我们想明白一件事：总控的编排逻辑不能全靠大模型"灵光一闪"。简单的流程控制就用代码写死的 if-else，只在真正需要灵活判断的节点上用 LLM。合同分类这一步换成了一个微调过的小模型加规则兜底，稳定性从 82% 直接拉到 97%。

该用 AI 的地方用 AI，该写死的地方就写死。这是我们交了学费才悟出来的。

翻车三：调试地狱

这个我最想吐槽。

单 Agent 出了问题，看看 Prompt 和输出基本就能定位。多智能体出了问题？你得排查是哪个 Agent 的锅、是它自己的问题还是上游传过来的数据本身就是脏的、是 Prompt 写得不好还是模型能力不够还是知识库没召回到。

有一次我们花了整整两天定位一个 Bug——风控 Agent 偶发性地漏掉一类风险条款。最后发现根源在提取 Agent：它遇到某种特殊的表格格式时抽取结果会丢两行，传到下游风控就缺了关键信息。

所以多智能体系统从第一天起就得把可观测性做进去——每个 Agent 的输入输出完整记录，每一步有可追溯的日志。不然你面对的不是 Debug，是开盲盒。

写在后面

多智能体不是银弹，它是一种工程手段，用来解决单 Agent 在复杂任务上的能力瓶颈。它最大的价值不是让 AI 更聪明，而是让 AI 的错误更可控——通过拆解、隔离和质检，把一个大的不确定性打散成多个小的、可管理的不确定性。

这个思路，跟做传统系统的微服务拆分，底层逻辑是一回事。只不过以前拆的是代码模块，现在拆的是 AI 的"脑子"。

三次翻车教会我的就三件事：Agent 之间别传大段文本，用结构化契约；编排逻辑别全交给 LLM，该写死的写死；可观测性从第一天就做，别等出了问题再补。

说到底，做多智能体跟管一个团队差不多——你得想清楚谁干什么、怎么交接、出了事怎么查。技术在变，这些管理常识反而没变。

本文来自作者：AI产品经理老猫