多智能体任务应如何拆解？从依赖图到结果聚合的协作方法

增加智能体数量并不会自动让任务变快。真正决定协作质量的是：子任务是否独立、输入是否固定、写入是否隔离，以及聚合是否遵循统一标准。若这些边界未明确定义，并行执行只会导致重复劳动、冲突和返工。

分配角色前先拆解交付物

“调研智能体、写作智能体、审核智能体”只是角色名称。写作依赖于调研结果，审核依赖于初稿，因此三者依然构成串行链条。更有效的方法是首先列出最终交付物，然后为每一项明确输入、输出及完成标准。

绘制最小依赖图

• 若B需读取A的结果，则A与B必须串行运行。
• 若A与B仅读取相同的锁定材料，则可并行运行。
• 若决策需在多个分支完成后才能做出，应采用并行执行后集中聚合的方式。
• 若多个分支需写入同一对象，应先隔离写入区域或改为串行执行。

这一步保留了“任务拆解—并行调度—结果聚合”的三段式框架，但将核心评估点从平台能力转移到了用户实际可检查的依赖关系上。

并行执行前必须满足的四个条件

• 输入固定：执行过程中不会被其他分支重写。
• 写入隔离：每个分支拥有独立的文件、记录或命名空间。
• 输出标准化：字段、格式及证据要求保持一致。
• 故障隔离：若某一分支失败，其他结果仍可保留，且失败分支可独立重试。

为每个子任务配备任务卡

任务卡无需冗长，但应包含目标、可用材料、禁止操作、输出结构、完成标准、超时处理及故障响应。针对事实核查类任务，还需强制返回来源与存疑项。

• 目标：仅解决一个可验证的问题。
• 输入：列出允许读取的材料，禁止分支自行扩展事实范围。
• 输出：采用标准化的JSON、表格或章节结构。
• 完成标准：说明何为完成，以及如何标记缺失信息。
• 禁止操作：不得发布、删除或修改共享资源。

聚合绝非简单拼接答案

聚合器必须检查缺失、重复及矛盾的信息。当结论不一致时，需对比其来源、日期与判定标准；若证据不足，应保留分歧。最终的对外写入只能分配给单一执行者，且必须在聚合与确认后进行。

1. 检查所有预期分支是否已返回结果。
2. 通过唯一标识符去重，同时保留来源。
3. 单独列出冲突结论，而非静默覆盖。
4. 根据验收标准生成最终版本。
5. 如需产生外部影响，随后进行集中确认与写入。

何时应避免使用多智能体？

• 任务规模极小，且拆解与聚合的成本超过执行本身。
• 步骤间强依赖，无法提前固定输入。
• 多个分支需频繁修改同一资源。
• 缺乏明确的验收标准，结果只能凭模糊偏好评判。

小规模故障演练

先从少量低风险分支开始，故意让其中一个超时或返回缺失字段的結果。检查其他分支能否顺利完成，失败分支能否独立重试，以及聚合结果是否准确反映缺失项。演练成功后再提升并发量。可使用 SmaugBrain 组织此类分支，但用户仍需明确定义任务边界。

常见问题

增加智能体数量能让任务更快吗？

不能。总执行时间同样受最慢分支、并发限制、聚合过程及重试机制的影响。只有相互独立的任务才可能通过并行执行缩短等待时间。

如何防止多智能体互相覆盖？

让每个分支写入独立的目标并使用唯一标识符。共享材料应保持只读，最终合并由单一聚合器执行。

如何确保输出一致性？

标准化任务卡与输出模式，并在聚合阶段校验字段、证据与格式。仅靠共享提示词无法替代验收标准。