在企业人工智能领域，长期存在一种默认假设：由多个专用子智能体协调运作的集群，其表现始终优于单一智能体。然而，构建这些核心模型的公司正对此提出挑战。
Anthropic应用人工智能团队本周发布指导文件指出，在相当一部分真实的企业部署场景中，一个设计精良的单一智能体，能在质量、延迟和成本三个维度上同时超越由专家子智能体组成的流水线。这一发现伴随开源迁移工具包 single-agent-loop-kit 一同推出，工程团队可通过该工具测试现有架构是否值得重构。在Anthropic考察的一个客户案例中，单一智能体配置的运行速度比被取代的多智能体设置快约两倍。
### “智能体的康威定律”与弗兰肯提示词
多智能体流水线成为企业AI默认蓝图，既有技术原因，也有社会学因素。Anthropic将其称为“智能体的康威定律”：AI系统架构反映了构建组织的沟通结构。当每个产品团队交付自己的子智能体（如研究、品牌、路由、合规智能体）时，结果便是**弗兰肯提示词（Frankenprompt）**：由各方添加项拼凑而成的系统提示词，规则日益相互矛盾。
康威定律最初由计算机科学家Melvin Conway于1968年提出，认为组织产生的系统设计会反映其沟通结构。在软件架构中，长期建议是围绕期望架构设计组织结构（即“反康威策略”），而非让组织架构图决定代码库。Anthropic将这一见解应用于AI：若不解决谁拥有系统提示权的问题，就无法修复弗兰肯提示词。
不受限制的智能体激增带来可衡量的成本。在Anthropic考察的一个面向客户的部署案例中，一家公司在单个产品智能体内组装了十几个专用子智能体，这不仅损害了品牌一致性，还推高了最终用户的延迟。
### 智能体协调的经济账
独立基准测试证实了这一经济图景。评估公司Vals AI在其Vibe Code Bench上对GPT-6 Sol和Claude Opus 5.5进行测试，分别以单一智能体和协调团队形式运行。与单一智能体相比，智能体团队每完成一次应用的成本高出1.8倍至5.1倍。在四个比较条件中，仅在一种情况下出现具有统计显著性的质量提升——即中等推理力度下的GPT-6 Sol，得分高出7.3分。在最大推理力度下，团队在这两种模型上均未获得任何有意义收益。
这种成本倍增有具体的机械成因。在多智能体流水线中，进入工作流的每个智能体都必须加载足够的当前共享上下文（包括代码库状态、任务规范、先前决策等）才能行动。这些上下文在每个回合中按每个智能体单独计费。规划者、工作者和审查者智能体之间的交接消息会产生单一智能体绝不会生成的输出令牌。当两个智能体独立读取相同文件或调用相同API时，这部分工作纯属冗余。
山东大学Liu和Han的一项独立研究考察了2026年10月发布的编码智能体框架，发现了直接平行的模式：框架对通过率的影响微乎其微，仅略高于正常运行时的波动范围，但可将每项任务的成本增加三倍，主要原因是系统提示词和工具定义在每一步都会重新发送。
OpenAI开发者Eric Provencher也曾独立指出，相对于资源充足的单一智能体，智能体群集是浪费资金的行为。OpenAI研究员Noam Brown则认为，智能体主要购买的是速度而非质量——四个智能体可以以两倍速度完成任务，但也花费两倍成本；而在紧密耦合问题上投入数千个智能体，并不比分配数千人去撰写一部小说更有效。
### 新模型如何改变计算逻辑
Anthropic的指导之所以在此时而非两年前发布，是因为模型能力的提升。从Opus 4.5开始，并延伸至Opus 5.5和Fable 5.1，Anthropic当前的代际模型能够在单一智能体循环内管理复杂的多步计划，而这些计划此前需要由编排器委派给专家子智能体。
这些模型还具备早期代际所不具备的自我监控能力：它们会在任务中途评论自身进度并验证工作，从而减少对外部验证器或质量检查层的需求。实际效果是，以往因没有单一模型能容纳全部复杂性而需要分解为并行子智能体的工作，现在往往不再需要如此。
Anthropic围绕这一能力构建的机制是**渐进式披露（Progressive Disclosure）**：与其将所有指令、规则、工具定义和领域知识预加载到一个庞大且分散的系统提示词中，不如让智能体的主上下文仅保留可用技能和工具的简要描述。当智能体确定需要特定能力（如退货政策技能、品牌语调指南、价格查询工具）时，它会调用工具搜索来按需加载完整文本和架构。
这一点至关重要，因为大语言模型行为中存在一个有据可查的现象：随着上下文增长，性能会下降，且这种下降在达到上下文窗口声明的限制之前就已经开始。Chroma在2025年的研究发现，随着输入长度增加，模型性能持续下降——研究人员称之为“上下文腐烂（context rot）”。这意味着，预加载了所有团队规则和工具完整定义的系统提示词，不仅处理成本高，而且 actively 降低了模型准确使用其中任何内容的能力。渐进式披露保持活跃上下文的精简和相关性，使模型最有可能真正利用其所拥有的信息。
在Anthropic自身的规模应用中：该团队通过应用此模式，将Claude Code的系统提示词削减了80%以上。技能和工具现在按需动态加载，而不是在任何交互过程中无论相关与否都占用上下文窗口。
### 多智能体团队仍擅长的领域
Anthropic明确表示，整合并非总是正确的答案。有三种特定情况证明维持子智能体架构是合理的，且均涉及真实的工程约束，而非组织偏好。
第一种是**真正的上下文窗口饱和**：当单一智能体的上下文窗口填充到导致可衡量的性能下降程度，而不仅仅是理论上的满员。这与“我们有很多指令”不同——它需要性能下降的经验证据，而非预防性的拆分。
第二种是**真正的并行性**：当多个独立任务必须在单独的上下文窗口中同时运行时。对50份独立文档的研究扫描，或跨不相关模块的并行代码生成，与编写单一连贯的功能是不同的问题。具有廉价合并步骤的并行负载是多智能体系统赚取其成本溢价的地方。
第三种是**工具过载**：当单一智能体 consistently 难以从非常大的工具库存中正确选择时。Anthropic观察到，当工具定义超过30到50个时，工具选择的准确性会明显下降。当部署确实需要超过这个数量的工具时，按领域组织的子智能体架构可以提供帮助——但迁移工具包的评估过程将揭示根本原因是工具数量还是其他因素。
在Anthropic与支持智能体进行的一项测试中，将子智能体折叠到主智能体中减少了延迟，但也破坏了一个以前正常运行的路由管道。主智能体开始直接回答查询，而不是将它们升级给适当的专家。延迟的减少是真实的；质量的下降也是真实的。这正是迁移工具包旨在在进入生产环境合并任何东西之前揭示的风险。
### 先解决组织问题，再解决技术问题
Anthropic的完整建议既是架构层面的，也是组织层面的。与其让每个产品团队拥有自己的智能体，不如由一个小规模的中央团队拥有系统提示词和整体质量标准。每个团队的子智能体提示词应转换为技能——模块化、版本控制的指令集——并通过工具搜索展示，而不是永久注入到主上下文中。各团队指定的技能库所有者维护其组件；中央团队维护共享标准。
这实际上是应用于AI部署的反康威策略：在整合技术架构之前，你需要重新设计组织所有权结构。如果在未重新分配提示词所有权的情况下合并子智能体的工程团队，很可能在几个月内在不同的名称下重现弗兰肯提示词，因为每个团队的新规则添加项在没有共享标准强制执行一致性的情况下再次累积。
对于参考资料——产品指南、指标定义、合规文档——Anthropic推荐通过搜索工具查询的知识库，而不是直接嵌入到提示词中。明确标记通过代码注入上下文并在启动时预加载到提示词中的模式，是导致工具包旨在解决的问题的因素之一。
### 该工具包实际上做什么
位于GitHub的Anthropic开源迁移工具包提供了一个参考循环、`skill/`目录、`CLAUDE.md`配置文件以及一个可运行的支持台示例。它强制执行的流程分为三个阶段：首先测量（建立任务完成测试和基线指标），其次组合（识别紧密合作且可以在不降低性能的情况下共享上下文的子智能体），最后折叠（将子智能体提示词转换为技能，将API调用转换为工具，每次评估运行进行一次更改，并在继续之前验证每一步的结果）。
工具包包含一条Anthropic从生产中吸取的警告：不要盲目合并。每个折叠到主循环中的子智能体都是一个独立变量，可能会揭示意想不到的依赖关系。在假设合并安全之前运行评估。
### Anthropic自身的研究仍在使用多智能体
该指导并非普遍适用于Anthropic的所有产品。其Research功能（为Claude的深度网络搜索能力提供支持）将查询分解为并行子智能体，并在Anthropic的内部研究评估中，相较于单一智能体Claude Opus 4，表现出90.2%的性能提升。多智能体系统在能够清晰并行化并从广泛源空间的同步探索中受益的信息任务方面确实表现出色。
Anthropic所论证的是，大多数企业部署的结构不像是在大型文档空间中进行研究扫描。它们的结构更像是一个单一的连贯应用程序——客户服务管道、商务智能体、编码助手——整个工作流受益于持续的共享上下文，而多个智能体的协调成本是开销，而非基础设施。
行业背景赋予了这一指导意义。Gartner将多智能体系统列为其2026年顶级技术趋势之一。今年企业采用多智能体架构的速度急剧加快，而AI工具供应商主导的商业推销重点是协调框架和编排层，而非简化。Anthropic并非反对多智能体系统——它在生产中构建了表现最佳的例子之一。它反对的是将多智能体系统作为未经审视的默认值，即在团队尚未衡量其特定工作负载是否实际上受益于增加的复杂性和成本之前就推荐它。
对于自底向上构建AI基础设施的工程团队，一次一个团队地构建，这种重新定向可能需要审计已在生产环境中运行一年或更长时间的架构。迁移工具包提供了一个起点。 resulting 架构是否值得重构是一个测量问题，而非哲学问题。
---
### 常见问题解答
#### 何时多智能体AI系统实际上优于单一智能体？
根据Anthropic的研究，三种特定情况证明多智能体架构是合理的。第一，当单一智能体的上下文窗口显示出可衡量的性能下降时——而不仅仅是理论上的满员。第二，当多个真正独立的任务需要在单独的上下文窗口中同时运行时（具有清晰合并步骤的并行负载）。第三，当单一智能体在超过大约30到50个工具定义的工具选择方面遇到困难时。Vals AI的独立研究证实了这一图景：多智能体的质量提升很少见——在四种测试的模型和力度组合中，仅在一种情况下具有统计显著性，且仅在中等推理力度下，而非最大力度下。
#### 为何多智能体AI系统的运行成本如此之高？
成本倍增来自于大多数团队直到看到令牌账单才会考虑的协调开销。多智能体流水线中的每个智能体都需要自己的一份共享上下文副本——任务规范、当前状态、先前决策——并且这些上下文在每个回合中按每个智能体计费。规划者、工作者和审查者智能体之间的交接消息会产生单一智能体永远不会生成的输出令牌。当两个智能体独立调用相同的API或读取相同的文件时，这部分工作会被计费两次。Vals AI发现团队每完成一次应用的成本高出1.8倍至5.1倍。山东大学的框架研究发现，与最小框架相比，在每个智能体步骤重新发送的单个大型系统提示词本身即可将每项任务的成本增加三倍。
#### 什么是AI智能体中的渐进式披露，它是如何解决“弗兰肯提示词”问题的？
渐进式披露是一种实践，即保持主智能体上下文最小化——仅持有可用技能和工具的简要描述——并根据需加载这些技能的完整文本和架构，仅在智能体确定需要时才加载。这与“弗兰肯提示词”模式相反，在该模式中，每个团队向共享系统提示词添加其规则，直到提示词变得如此之大且内部矛盾，以至于模型无法可靠地应用其中任何内容。根本问题是有据可查的：随着上下文的增长，LLM性能会下降，且这种下降在窗口声明的限制之前就已经开始。渐进式披露通过确保活跃上下文仅包含智能体当前步骤所需的内容来解决这一问题——这也意味着修复弗兰肯提示词最终需要组织变革：一个拥有系统提示词的中央团队，其他团队的领域知识被转换为版本控制的技能，而不是行内添加。
#### 如果单一智能体通常更好，Anthropic自身的Research功能如何使用多智能体系统？
Anthropic的Research产品是为多智能体架构具有真正结构性优势的工作负载设计的：在大型、独立的源空间上清晰并行的信息收集任务。当Claude需要研究一个需要同时探索数十个独立源的复杂问题时，协调的并行子智能体系统比顺序工作的单一智能体覆盖的范围更广、速度更快。Anthropic的内部测试发现，这种配置在研究任务中击败了单一智能体Opus 4，提升了90.2%。Anthropic所 drawn 的区别在于真正可并行化的工作负载——研究扫描、独立文档的批量处理——与大多数企业部署之间的区别，后者涉及一个连贯的单一工作流，其中持续的共享上下文是优势，而非限制。