要不要委派：正反对撞与可训练的中间道路

讲次页给的结论只有一句：默认单 Agent 加好工具，确有并行或隔离需求才升级多 Agent。

被压掉的是这句结论背后正面对撞的双方论据。反方从课堂到产业都把病根指向上下文被切断；正方 MACU 却在四个基准上把较强的单 Agent 基线拉开 3.4-25.5% (L5 p.35-44)，RAO 甚至把要不要委派变成模型可以训练的动作 (L5 p.31)。

本篇把两边摊开对读。

一、反方：病根不在智力，在上下文被切断

先听课堂反方。L5 p.21 是 Graham Neubig 的客串页，他对固定角色与多 agent 系统的批评条条指向信息流。

• 角色提前固定。任务还没到，角色就定死了；出了故障，verifier（验证者）没法自己把答案再查一遍。
• 角色分解硬编码。写死在系统里，收益有限；他引 CodeR (Chen et al., 2024) 的 Fig.1 作反面例证。
• handoff 丢上下文。agent 之间的 handoff（交接）其实是摘要报告，会丢掉下一个 agent 需要的 context（上下文）。

观点成文于 Don’t Sleep on Single-agent Systems (Neubig, 2024)。

产业反方说得更狠。Cognition 的《Don’t Build Multi-Agents》 (2025-06-12) 立了两条原则。

「Share context, and share full agent traces, not just individual messages」：要共享就共享完整 agent 轨迹，而不是单条消息。

「Actions carry implicit decisions, and conflicting decisions carry bad results」。动作隐含决策，互相冲突的决策必然产出坏结果。

他们的 Flappy Bird 案例展示的就是后者：每个子 agent 只看到局部上下文，各自做出局部合理却互相冲突的决定，合起来把产品改坏。

系统性证据来自 MAST (Cemri et al., 2025)：7 个框架、1600 多条标注轨迹，归纳出 14 种失败模式、三大类（系统设计、agent 间失调、任务验证）；分类法本身由 150 条专家人工标注轨迹归纳，标注者一致性 κ=0.88。

结论不客气：大量失败是组织问题，不是智力问题。

还有一类更隐蔽的陷阱：任务看起来可拆，约束却是全局的 (L5 p.34)。TravelPlanner (Xie et al., ICML 2024) 里机票、酒店、美食、景点四个子任务确实能干净分解，但预算、交通、饮食是全局约束。它们常被各个分片分别违反，因为没有一个分片看得见全图。

跨子任务约束天然抗分解，讲义因此把 Global state 列为开放问题 (L5 p.47)。

二、正方：MACU 用动态任务图接住每一条批评

正方没有回避这个病根，改的是信息流的具体做法。MACU (Koh, Salakhutdinov, Fried, 2026) 就是这个做法的代表，讲义把它收进 L5 p.35-44 的收束段「Putting it all together」，面向计算机使用任务。

manager（管理者）把任务分解为一张 DAG（有向无环图），按就绪前沿（前驱已全部完成的节点）并行派发子 agent。

更关键的是，manager 随新信息持续增删改节点，任务图是活的。下游无法重新观察的信息，比如子 agent 已经翻过的页面，由 manager 结构化前传给需要它的节点。

数字来自官方 reading：在 OSWorld、Online-Mind2Web、WebTailBench、Odysseys 四个基准上，MACU 相对较强的单 Agent 基线提升 3.4-25.5%；Odysseys 上平均完成时间快约 1.5×。

讲义示例任务 finding ACL surgeons (L5 p.36-37) 就出自 Odysseys (Jang, Koh, Fried, Salakhutdinov, 2026)—— 数据来自志愿者 opt-in 捐赠的真实浏览历史，任务长达几百步、人类要做半小时到一小时。

三张消融图把收益归谁拆得很干净。

• 更强的 manager 改善协调：L5 p.41，OSWorld 上 36 个任务，Qwen3.5-4B 做 worker。
• worker 越弱被拉得越多：L5 p.42，36 个任务，Opus 4.6 做 manager。
• worker 并行度继续抬升完成率：L5 p.43，Odysseys easy 子集 45 个任务。便宜的 worker（如 3.5B 级）还能整个跑在本地，大头动作不碰付费 API（课堂口述）。

修订任务图的消融对应论文 Table 2 (L5 p.44)。

把 MACU 的做法与 Cognition 的原则对照着读，才能看出正方究竟回答了什么：

一条定量注脚给正方补上边界。Anthropic 的多 agent 研究系统（Opus 4 主控 + Sonnet 4 子 agent）较单 Opus 4 在内部评测提升 90.2%；token 用量单独解释了 BrowseComp 上 80% 的性能方差。

代价是多 agent 约为聊天 15 倍的 token 消耗，并行化最多把研究时间压缩 90%。收益与代价都来自上下文的成倍投入。

三、中间道路：委派是动作，就能被训练

反方与正方共享一个默认：委派结构由人设计。RAO (Gandhi et al., 2026, L5 p.31) 把这个默认拆掉了：委派本身是一个动作 (action)。

agent 可以调用 launch_subagent(goal) 启动自身副本去干子任务，副本还能继续委派，形成递归。

每个节点按 自身任务成功率 + 子节点成功率 打分，于是模型学会的不仅是怎么做事，还有什么时候值得再拉一个人。训练只在中等难度任务上进行，到难任务上会自发委派得更深。

这一脉的近亲是按需递归：ADaPT (Prasad et al., NAACL Findings 2024) 按子问题难度决定何时再分解，Recursive Language Models (Zhang et al., 2025) 把同一思想推进到模型结构本身。

组织形态因此成了一个谱系的两极。MetaGPT (ICLR 2024) 把 SOP（标准作业程序）编码进提示流水线：装配线式角色分工，加中间产物结构化校验，用工序抑制幻觉级联。

AutoGen (2023) 则相信一切皆可对话 agent，编排即对话。

RAO 在两极之外给出第三个答案：结构不必由人定，可以被学出来。三派立场合并成一张裁决图：

与本讲的连接

本篇是讲次页「三、多智能体：分工的收益与通信的代价」的下钻。阿姆达尔定律给的是速度上限，本篇补的是上下文侧的对撞：反方三条批评（交接丢信息、决策冲突、全局约束失守）对阵 MACU 的两条纪律（结构化前传、活的任务图），MAST 则是上多 Agent 之前该过一遍的失败清单。

它也接回前两节：动态任务图相当于把计划是假说做进组织结构，增删改节点就是多 Agent 版的重规划触发器；RAO 的委派是动作，与分解即泛化同源。

真要上多 Agent，先过一遍这份检查清单：

• 可并行比例够高吗？不够，速度上限先到顶。
• 有没有非要隔离不可的需求？
• handoff 损耗守得住吗？不可重观察的信息，安排结构化前传了吗？
• 谁验收？验证者能不能把答案再查一遍。

落到讲次页「四、编码智能体」，你会再次遇到同一条判断：验证信号越客观、约束越局部，委派越便宜。这也是默认单 Agent 的适用边界。