放弃群蜂模式：Anthropic 表示单个 AI 智能体性能现已超越多智能体网络

还记得当时每个 AI 框架都声称，实现自主化魔力的秘诀是构建军队般的微型智能体吗？你用一个智能体制定计划，另一个编写代码，第三个进行审查，第四个编写测试。在纸面上，这听起来太棒了。但在实际生产中呢？这却成了一场速度慢、成本高、频繁遗失上下文的噩梦。

如今，Anthropic 公开证实了我们这些实际使用这些 API 进行构建的人几个月前就已经清楚的事实：智能体集群往往是过度设计的冗余产物。

Anthropic 发布了一份新指南和一个 GitHub 迁移工具包，呼吁开发者放弃复杂的多智能体架构，转而采用可按需拉取上下文的统一单智能体设置。根据他们的基准测试，从多子智能体网络精简为单一模型架构，执行速度几乎翻了一番。更重要的是，它消除了将基本任务变成长达数分钟等待游戏的延迟和编排摩擦。

现实情况是：当模型上下文窗口微小且推理能力脆弱时，多智能体设计是一种必要的变通方案。将任务拆分为五个微型提示，可以防止大语言模型因产生幻觉而彻底失控。但借助像 Claude 3.5 Sonnet 这样当今最前沿的模型，模型终于足够聪明，可以在单个上下文中容纳复杂的指令并执行长序列操作而不会偏离主题。

当你将五个子智能体串联在一起时，就引入了多个故障点。智能体 A 将凌乱的输出传递给智能体 B，智能体 B 误解了它，而到了智能体 E 运行时，你的 Token 账单已经高得吓人，输出成果却是垃圾。管理子智能体之间的交接，本质上只是步骤更多、延迟更高的提示词工程。

通过切换到仅在需要时动态获取工具和上下文的单个智能体，你可以节省 Token，消除交接失败，并将执行时间缩短一半。Anthropic 并不是说多智能体架构彻底淘汰了——具有明确安全边界的复杂企业工作流仍然需要隔离——但对于 90% 的日常自动化场景，单智能体模式无疑更为优秀。

如果你的智能体流水线感觉反应迟钝或根本无法调试，请听取这个建议。获取 Anthropic 的迁移工具包，精简冗余的节点图，让一个能力强悍的模型来处理工作负载。在软件工程中，简单往往能胜出，AI 领域也不例外。

图片：Deng Xiang / Unsplash (https://unsplash.com/@dengxiangs)