多智能体协同干活，是一种浪费钱的做法？
Anthropic最近给企业客户提了个建议：别再盲目堆砌“多智能体”了，赶紧评估一下把它们合并成一个主智能体。为此他们还在GitHub上专门发了一套迁移工具包。
过去一年，做AI应用最流行的架构就是模拟人类公司：顶层放一个调度员，底下管着十几个专职的子智能体。Anthropic的应用AI团队在实战中发现，按需加载上下文的单一智能体，在输出质量、成本和响应速度上，往往全面吊打这种庞大的智能体舰队。在一项对比测试里，单智能体架构的运行速度直接快了大约一倍。
多智能体听起来很美好，一落到企业内部就会演变成“康威定律”的灾难现场。每个业务部门都想塞进一个自己的子智能体，最后系统里堆出几百个功能重叠的模块，提示词更是被各部门互相冲突的规则缝合。有家公司在客服系统里塞了十几个子智能体，结果不仅品牌语气精神分裂，响应延迟也高得吓人。
更致命的是信息损耗，比如在写代码的流程里，写功能的、写测试的和审代码的智能体每次交接都会丢失上下文；反倒是一个主智能体因为脑子里装着完整背景，顺手把功能和测试一起写了，效果好得多，只留一个独立的验证器去跑测试就行。
风向逆转的底气，在于模型本身的进化。从Opus 4.5，到更新的Opus 5.5和Fable 5.1，现在的模型完全有能力在单一循环里自己管好复杂计划、自我检查进度，顺便把以前外围的意图识别、用户分群全干了。Anthropic把新版Claude Code的系统提示词直接砍掉了80%以上，秘诀就是把工作流打包成“技能”，平时不塞进提示词，需要时再通过搜索按需加载工具和参考文档。
对于正在做AI落地的团队来说，与其让各个部门各自为战去造智能体，不如收回系统提示词的控制权，配四五个精简的数据工具，让业务团队去维护一套数量控制在30到50个以内的“技能库”。模型变聪明之后，做减法才是真本事。
Anthropic