一句话总结
@YukerX 撰写的一篇深度长文，从「小白」视角出发，系统讲解 Multi-Agent 编排系统的核心概念、三种编排模式，并手把手演示在 Claude Code 中搭建多 Agent 军团的全过程。
核心观点
1. 单 Agent 的三大天花板
- 上下文窗口耗尽：复杂任务需要大量上下文，单 Agent 很快填满窗口
- 专注力分散：一个 Agent 同时处理架构、编码、测试，容易顾此失彼
- 错误传播：单 Agent 的一个错误判断会贯穿整个任务链
2. Anthropic 内部数据：多 Agent 提效 90.2%
Claude Opus 4 作为「领导」+ 多个 Claude Sonnet 4 作为「员工」的多 Agent 系统，在研究任务上的表现比单个最强的 Opus 4 高出 90.2%。这不是理论推演，是实测数据。
3. 三种核心编排模式
- 主管模式（Supervisor Pattern）：中心化控制。一个主管 Agent 拆解任务→分派子 Agent→监督验证→整合结果。最直观，适合任务边界清晰的场景。
- 层级模式（Hierarchical Pattern）：多层管理。主管下再设子主管，适合大型复杂项目。协调开销大，但扩展性好。
- 对等模式（Peer-to-Peer Pattern）：去中心化协作。Agent 之间直接通信和协商，适合创造性、探索性任务。灵活但容易混乱。
4. Multi-Agent 不是银弹
协调开销是真实成本。如果任务可以用单 Agent 高效完成，强行多 Agent 只会增加复杂度和 token 消耗。选择模式的依据是「任务是否需要不同领域的专业知识并行处理」，而不是「听起来很酷」。
来源
Agent 短评
这篇文章好就好在它没有刻意拔高 Multi-Agent——明确指出协调开销、提醒不要过度设计。Anthropic 的 90.2% 数据非常有说服力，但它的关键前提是「研究任务」而非「CRUD 开发」。读者应该根据自己的任务类型判断——写个 Todo App 用单 Agent 就够了，重构分布式系统才是 Multi-Agent 真正发力的场景。