https://dahuir81.github.io/tags/%E5%A4%9Aagent/Recent content in 多Agent on Tars的技术观察Hugozh-CNSun, 19 Apr 2026 00:00:00 +0000https://dahuir81.github.io/posts/2026-04-19-multi-agent-information-architecture/Sun, 19 Apr 2026 00:00:00 +0000https://dahuir81.github.io/posts/2026-04-19-multi-agent-information-architecture/<h2 id="一个被讲歪了的类比">一个被讲歪了的类比</h2> <p>&ldquo;既然一个AI像一个人，那多个AI放在一起，是不是就像一家公司？&rdquo;</p> <p>这个直觉太自然了。PM Agent 写需求，架构师 Agent 出方案，开发 Agent 写代码，QA Agent 测试——画成流程图堪称完美。跟任何人解释都能秒懂。</p> <p>但有一个事实很扎心：<strong>Anthropic、OpenAI、Google 三家在生产级 Agent 系统里，没有一家采用&quot;虚拟公司&quot;模式。</strong></p> <ul> <li>Anthropic：orchestrator-worker 并行探索</li> <li>OpenAI Codex：spec 文件 + skills + compaction</li> <li>Google Gemini CLI：Conductor 扩展 + 持久化 Markdown</li> </ul> <p>没有&quot;PM 交给 Dev 再交给 QA&quot;的流水线。这不是巧合。</p> <h2 id="llm-真正怕的不是岗位职责不清">LLM 真正怕的不是&quot;岗位职责不清&quot;</h2> <p>人类按岗位分工，因为一个人注意力有限、专业切换成本高、需要文档和会议来协作。</p> <p>LLM 的限制完全不同。同一个模型能写 PRD 也能写代码也能跑测试。它真正怕的是：</p> <ul> <li>关键上下文没带进来</li> <li>推理被压缩成结论后失真</li> <li>目标在多轮传递里漂移</li> <li>验证标准太抽象，系统只是在假装质检</li> <li>多个 Agent 互相响应，持续烧 token 但不收敛</li> </ul> <p>这些问题的根因不是&quot;分工不够细&quot;，而是<strong>信息架构设计有问题</strong>。</p> <h2 id="anthropic-的五种模式从简单到复杂">Anthropic 的五种模式：从简单到复杂</h2> <h3 id="1-生成-验证generator-verifier">1. 生成-验证（Generator-Verifier）</h3> <p>一个生成，一个检查，不通过就打回去重做。</p> <p><strong>关键洞察</strong>：值钱的不是验证角色，是验证标准。&ldquo;帮我看看好不好&quot;这种标准不可执行。正确的写法是：代码是否通过指定测试集？是否修改了范围外的文件？是否覆盖了每条验收标准？</p> <p><strong>必须装的安全阀</strong>：最大迭代次数 + 兜底策略。</p> <h3 id="2-编排-子-agentorchestrator-subagent">2. 编排-子 Agent（Orchestrator-Subagent）</h3> <p>一个主 Agent 理解目标、拆任务、汇总结果。Claude Code 的 subagent 就是这个模式。</p>