文章核心观点 - 谷歌通过大规模实证研究，首次为智能体系统发现了可量化的扩展原则，使智能体架构设计从依赖经验转向有原理可依，其预测模型在未见任务上选择最佳架构的准确率达到87% [1][7][26] 实验设计与评估基准 - 研究定义了智能体数量、协作结构、模型能力和任务属性之间的相互作用为扩展原则 [3] - 在四个基准测试中进行评估：Finance-Agent、BrowseComp-Plus、PlanCraft和Workbench [3] - 使用了五种典型智能体架构：单智能体系统以及独立型、中心化、去中心化、混合型四种多智能体系统 [4] - 在OpenAI、Google、Anthropic三大模型家族中实例化，对180种配置进行了受控评估，标准化了工具、提示和token预算以隔离架构效应 [4][11] 关键研究发现：任务与架构的适配性 - 在金融分析任务中，多智能体协作效果显著，中心化架构能使性能提升80.9% [14] - 在游戏规划任务中，多智能体架构表现不佳，性能下降39%到70% [14] - 工具-协作权衡：当任务需要大量工具时，多智能体协作会因巨大沟通开销导致效率降低 [15] - 能力饱和效应：当单智能体基线准确率超过45%时，增加智能体协作往往带来负收益 [16] - 错误放大：在独立型多智能体架构中，错误会被放大17.2倍；而中心化管理可将其控制在4.4倍 [18] 不同模型家族的协作特性 - Google Gemini：擅长层级管理，在中心化架构下表现突出，在金融任务中带来+164.3%的性能提升 [19] - OpenAI GPT：擅长复杂沟通，在混合型架构中表现最佳，能驾驭复杂的交互网络 [19] - Anthropic Claude：对协作开销敏感，最适合简单直接的中心化架构，且在异构混合模式下展现出独特的容错性 [20] 定量扩展原则与预测模型 - 研究推导出一个基于效率、开销、错误放大率等指标的预测模型，交叉验证R²为0.513 [6] - 该模型能以87%的准确率预测保留任务的最佳架构 [7][25] - 提供了不同架构下的关键性能指标数据，例如：单智能体成功率为0.466，独立型架构错误放大率为17.2，混合型架构的通信开销高达515% [25]