标签
本文探讨了对自主研究代理的压力测试，发现失败源于元认知问题，而非能力问题，并介绍了ARFT——一种包含45种模式的故障分类体系。
多智能体系统的成本可能是单个智能体的15–50倍，但大多数失败源于规格模糊和协调崩溃，而非模型能力。建议将交接视为API契约，并增加明确的验证。