核心观点 - 研究打破了“智能体越多越好”的误区，指出盲目增加智能体数量不仅增加成本，且对结果无益 [3] - 智能体系统的有效性取决于架构与任务属性的匹配度，而非智能体数量 [4] - 在许多场景下，一个强大的单智能体比多智能体团队更高效、更可靠 [36] 支配智能体性能的三大规律 - **工具越多，多智能体越容易“死机”**：当任务需要16种以上工具时，多智能体系统会出现明显“协调崩盘”，沟通成本会吞没核心推理能力 [6][7] - **能力越强，多智能体反而越没用**：当单智能体的准确率超过45%时，增加智能体数量通常会带来负收益 [8] - **架构决定错误放大效应**：独立多智能体模式下错误被放大17.2倍，而集中式多智能体模式有“经理”审核，错误仅被放大4.4倍 [11] 任务特征与多智能体协作效果 - **高度可分解的任务（协作“倍增器”）**：如金融推理，集中式协作架构带来高达+80.9%的性能提升，分散式和混合式架构也分别提升+74.5%和+73.2% [15] - **严格顺序依赖的任务（协作“累赘”）**：如游戏规划，所有多智能体架构性能下降-39%到-70%，其中独立型多智能体表现最差，暴跌70% [16][17] - **探索多、执行少的任务（协作“双刃剑”）**：如动态网页浏览，独立型架构表现糟糕（-35%），但分散式架构提升+9.2%；在业务工作流中，影响微乎其微（-1.2%到+5.7%） [21][22] 四种智能体架构的优劣 - **单智能体系统**：处理长链条、环环相扣的任务时最稳定且最省资源，无沟通成本与“协作税”，但面对庞大复杂任务时易被局部细节困住 [24] - **独立式多智能体**：执行速度快，无沟通延迟，但缺乏纠错机制，错误会直接进入最终答案 [25][26] - **中心化多智能体**：有协调者负责任务拆解、分发与审核，在结构化任务中更稳健，但协调者成为沟通瓶颈，增加协作开销 [27] - **分散多智能体**：智能体间可点对点沟通辩论，适合探索性强、信息模糊的任务，但通信量随智能体数量指数级增长，Token消耗巨大 [27][28] - **混合式架构**：试图融合中心化秩序与横向交流，理论上适配复杂任务，但结构复杂导致协作成本高，往往得不偿失 [29] 多智能体系统的经济性分析 - **Token利用率全面溃败**：单智能体每1000 Token能换来67.7次成功，中心化架构降至21.5次（效率为单智能体的1/3），混合式架构暴跌至13.6次（效率为单智能体的1/5） [30] - **对话轮次平方级膨胀**：智能体数量增加导致所需轮次接近平方级增长，单智能体平均需7.2个轮次，中心化多智能体需27.7个，混合式架构飙升至44.3个（是单智能体的6.2倍） [32][33] - **智能体数量存在上限**：3-4个智能体是当前技术下的“黄金分割点”，超过此规模通信成本将主导计算资源，导致边际收益为负 [35]