解读：多代理是“用并行换智能”的工程化路径

• 对应原文：https://www.anthropic.com/engineering/multi-agent-research-system [64]
• 对应译文：我们如何构建多代理研究系统

一句话主旨

多代理系统通过“并行 + 分工 + 记忆”扩展上下文与搜索能力，但代价是更高的协调复杂度与成本。[64]

关键洞察

• Token 预算决定上限：性能提升主要来自更大的 token 投入与并行上下文。[64]
• 提示工程就是“组织设计”：谁做什么、如何协作，靠提示定义。[64]
• 评估必须关注结果而非路径：多代理路径多样，终态正确性更重要。[64]

工程落地要点

• 主代理负责拆解与节奏：清晰任务边界与输出格式能减少重复与遗漏。[64]
• 并行化工具调用：并行子代理 + 子代理并行工具可显著提速。[64]
• 加 Memory/Checkpoints：对长任务保持状态与可恢复性。[64]
• 高层可观测性是必需品：监控决策结构而非内容，兼顾隐私与诊断。[64]

与本书章节的关系

• 对应第 9 章“多代理系统”：实际生产级架构与工程实践范例。[64]
• 对应第 8 章“上下文工程”：Memory 与分工机制本质是上下文治理。[64]
• 对应第 2 章“工具与治理”：工具选择与描述对系统成败至关重要。[64]

读后结论

多代理不是“多开几个模型”，而是一个需要严密组织、评估与运维的工程系统，适合高价值、强并行的研究任务。[64]