Multi-Agent（多智能体）
先用一句话说清楚
Multi-Agent（多智能体）是让多个具有不同职责的 Agent（智能体）协作完成复杂任务的系统设计。
新手通俗解释
一个 Agent（智能体）像一个通才助理，什么都能处理一点。Multi-Agent（多智能体）更像一个小团队：有人负责资料检索，有人负责数据分析，有人负责写报告，有人负责质检，有人负责协调。
但多智能体不是“多开几个模型聊天”。真正的 Multi-Agent（多智能体）要有职责边界、任务分配、结果汇总、冲突处理、状态管理和停止条件。
为什么智能体工程师岗位会问它
多智能体通常出现在进阶 JD（职位描述）里。面试官问它，是想看你是否能处理复杂任务拆解和协作，而不是只会单个聊天机器人。
常见考察点：
| 考察点 | 应该怎么讲 |
|---|---|
| 何时需要 | 单 Agent（智能体）职责过多、任务复杂、需要专家分工时 |
| 角色设计 | 每个 Agent（智能体）负责什么，不负责什么 |
| 协调机制 | Supervisor（监督者）、路由规则或状态图如何分派任务 |
| 冲突处理 | 多个结果不一致时如何仲裁 |
| 成本控制 | 多个 Agent（智能体）会增加调用成本和调试难度 |
它在项目里到底怎么用
以“企业研究报告生成系统”为例，可以设计这些 Agent（智能体）：
| Agent（智能体）角色 | 职责 | 风险边界 |
|---|---|---|
| 资料检索 Agent（智能体） | 从知识库和网页资料中找证据 | 必须保留 Citation（引用来源） |
| 数据分析 Agent（智能体） | 整理指标、趋势和异常 | 不能编造数据 |
| 写作 Agent（智能体） | 把证据和分析组织成报告 | 不能脱离证据发挥 |
| 质检 Agent（智能体） | 检查引用、逻辑和风险 | 只给检查结论，不直接改高风险内容 |
| Supervisor（监督者） | 分派任务、汇总结果、决定是否转人工 | 不能绕过权限和审批 |
和单 Agent（智能体）的区别
单 Agent（智能体）简单、成本低、调试容易，适合流程较短的任务。Multi-Agent（多智能体）适合任务复杂、角色差异明显、需要并行或相互检查的场景，但会增加状态、成本、冲突和调试难度。
面试时可以说：我不会为了显得高级而强行多智能体，只有当职责拆分能降低复杂度或提升质量时才使用。
常见误解
| 误解 | 为什么不对 | 正确理解 |
|---|---|---|
| Agent（智能体）越多越智能 | 会增加成本、冲突和延迟 | 角色要有必要性 |
| 多智能体就是多个模型互聊 | 没有职责和状态会变混乱 | 要有任务分配和汇总机制 |
| 每个 Agent（智能体）都能自主决定一切 | 容易越权和冲突 | 需要 Supervisor（监督者）或规则约束 |
| 多智能体一定比单 Agent（智能体）好 | 小任务会过度设计 | 按任务复杂度选择 |
面试官可能怎么追问
1. 什么时候不用 Multi-Agent（多智能体）？
考察点： 是否避免过度设计。
参考回答： 如果任务流程短、职责单一、没有明显专家分工、成本和延迟要求高，单 Agent（智能体）或普通 Workflow（工作流）更合适。多智能体要在职责拆分带来质量提升时才用。
容易扣分： 认为多智能体一定更高级。
2. 多个 Agent（智能体）结果冲突怎么办？
考察点： 是否有仲裁机制。
参考回答： 我会先让每个 Agent（智能体）输出依据、置信度和风险点，再由 Supervisor（监督者）按规则汇总。涉及事实冲突时回到 Citation（引用来源）和工具结果；涉及高风险决策时转人工，而不是让模型投票决定。
容易扣分： 让模型自己讨论到一致。
3. Multi-Agent（多智能体）怎么控制成本？
考察点： 是否理解工程代价。
参考回答： 我会限制角色数量、明确触发条件、用小模型处理简单分类、只在必要步骤调用强模型、缓存中间结果、设置最大步骤数和 Token（文本计量单位）预算，并记录每个 Agent（智能体）的成本。
容易扣分： 忽略成本和延迟。
作品集里怎么展示它
作品集应展示：
- 为什么单 Agent（智能体）不够。
- 每个 Agent（智能体）的职责、输入和输出。
- Supervisor（监督者）如何分派和汇总。
- 冲突、失败和转人工怎么处理。
- 成本、步骤数和 Trace ID（追踪编号）如何记录。
这会让多智能体从概念变成可解释架构。