多 agents 协作的最好方式，就是不要让 agents 协作

记录时间：2026-08-04 14:04:37

这篇笔记是个人观点，文中引用的实验结论凭记忆写下，没有逐条核对原文。

多 agents 协作的最好方式，是不要让 agents 协作。

从 openclaw 时代到后 openclaw 时代，也就是短暂存在过的 hermes agent 时代，很多人沉迷于让 agent 模拟三省六部，或者模拟一家公司的组织架构。很少有人回头看一眼现实，也很少有人翻一翻理论。

组织是人类不得不付的成本

稍微大一点的公司都有「组织流程部」，或者叫别的名字、干同样活的部门。它存在的理由只有一个：组织间的沟通成本太高，高到需要专门养一个部门去压它。

有多高呢，很多公司一半以上的运营成本花在沟通问题上。

人类还是要组织结构，因为一个人干不完所有事，只能把这笔沟通成本认下来。

agent 不是。今天的 agent 已经能独立做完现实世界里需要一整个团队才能做完的事。既然如此，我为什么要替 agent 组织支付这笔成本？这是本末倒置，因果混淆。

三家实验室给出了同一个答案

google 对一百多种 agent 架构做过实验，结论是：在可并行的任务上，中心化 agent 加 subagents 能提升 80% 左右。

在顺序推理的任务上，无论 subagents 还是模拟公司组织的多 agent 架构，效率下降 39% 到 70%。

anthropic 虽然傻逼，但它的研究结论也是中心化 agent 加 subagents 是唯一解。openai 什么形式都试过，最后又回到了 subagents。

确定性机器之间沟通也不便宜

分布式系统里没有自然语言的歧义，参与者不是人，也不是像人的 agent，只是几台确定性的机器要对状态和顺序达成一致。为了这件事，我们引入 Paxos、Raft；为了大规模传播状态时省一点成本，又加上 Gossip 这类协议。

这些协议的成本大概没人算过。我自己做分布式系统的经验是，协议没用好，光维护协议就能吃掉整个系统一半的带宽，数据通信部分还没开始算。而这只是系统运转成本里很小的一块。

工作流已经把这条路走过一遍

在模拟公司组织架构的 agents 协作被发明之前，业界试过一轮类似的东西。前 agents 时代有从 n8n 到 Dify、Coze、FastGPT 的各种工作流。

有人不认可工作流是在模拟组织架构。但工作流干的就是把组织协调压缩成机器可以执行的形式，它是现实世界组织间沟通的最高效模拟。

那么它们做起来了么，使用它们的成本有人算过么。如果你已经觉得工作流的使用成本很高，模拟组织架构的多 agents 只会更高。

agents 越像人，沟通越贵

agents 越像人，agents 之间的沟通成本越往上走，是熵增。

agents 变聪明，不等于认知自动对齐。人类发明教育这类学科上万年了，认知也没对齐，何况 agents。

幸好 agents 还不做生意

我们应该庆幸现在的 agents 还没发展出商业行为。按人类商业的玩法，一半以上的商业模式建立在「信息差」之上，可见信息传播的成本有多高。

哪天 agents 也学会做生意，世界就有趣了。