我认为多智能体协作目前基本上是一个错误前提

我一直在关注采访中出现的智能体相关想法，并阅读更多关于智能体实际工作方式的资料。一个我经常遇到的话题是多智能体协作。我目前的观点是，这个前提仍然超前于底层技术。智能体依赖于语言模型，而语言模型仍然会产生幻觉、遗忘上下文、在压力下丧失能力，有时还会做出出人意料的薄弱决策。将多个智能体叠加在这些故障模式之上可能会放大它们，尤其是当智能体使用不同模型并需要跨边界传递工作时。我常见的设计包括具有受限读写权限的共享工作区，加上一个评审智能体和某种断路器。这些控制措施是有意义的，但它们也与管理并发工作者非常相似。令人不安的部分是，最终的安全检查仍然依赖于另一个智能体。成本是显而易见的。令牌使用量成倍增加，智能体可能失去对所有权的跟踪，编排变得僵化且格式繁重。最后一点在我看来是最具破坏性的。我们本应利用智能模型的灵活性，却将其包裹在许多固定的交接格式中，以至于系统花费大量时间管理工作流程，而不是解决问题。我不确定大量的编排是最佳答案。也许更好的方向是让模型决定何时真正需要另一个智能体，使用更少的预定义角色。ZenMux可以在这些调用需要跨模型或提供商边界时充当API网关，但网关本身并不解决协调问题。因此，我目前的总结是，多智能体系统更多地是在探索可能性，具有相当的演示价值，而非可靠的生产实践。通往有用部署的路径似乎比图表所暗示的要困难得多。你有生产环境中的真实多智能体工作流程吗？它是否真正达到了预期，还是最终简化回一个智能体和几个工具？