多 Agent 最容易演示的部分，是同时开出几个子任务。最难的部分，是证明这些子任务没有在重复劳动，而且额外花掉的 token 和复核时间值得。
不体面的早期表现
Anthropic 在 Claude Research 的生产复盘里，公开过一组并不体面的早期表现：系统会为简单问题生成 50 个子 Agent；有的 Agent 不停寻找根本不存在的来源；有的不断发送更新，干扰其他 Agent；还有几个 Agent 接到含糊任务后，重复搜索同一件事。[E1]
这不是「模型还不够聪明」可以概括的问题。并行把搜索能力放大的同时，也把模糊分工、错误方向和资源浪费一起放大了。
Claude Research 最终采用了一个主研究 Agent、多个搜索子 Agent 和一个引用 Agent。主 Agent 先保存计划，把问题拆成可以独立探索的方向；子 Agent 在各自上下文里搜索并压缩结果；主 Agent 判断证据是否已经足够；最后再让 Citation Agent 定位引用。[E1]
最关键的改动：教主 Agent 怎样下任务
其中最关键的改动不是「允许创建更多 Agent」，而是教主 Agent 怎样下任务。
Anthropic 最初给出的指令可能只有「研究半导体短缺」。结果，一个子 Agent 跑去研究 2021 年汽车芯片危机，另外两个同时搜索 2025 年供应链。[E1] 后来，每个任务都需要写清目标、返回格式、工具和来源、工作边界。分工不再按「大家都去查一下」展开，而要让每个人带回不同的证据。
他们还直接把资源尺度写进提示词：简单事实查询用一个 Agent 和 3—10 次工具调用；直接比较用 2—4 个子 Agent、每个 10—15 次；真正复杂的研究才可能使用十个以上子 Agent。[E1] 这些数字不是行业标准，却说明一件事：Agent 不擅长自己判断「这个问题值得花多大力气」，预算需要被明确教进去。
15 倍 token 与 90.2%：怎么读这些数字
为什么要这么克制？因为 Anthropic 自己的数据里，普通 Agent 相对聊天大约使用 4 倍 token，多 Agent 系统大约使用 15 倍。[E1] 这个 15 倍不是固定的美元账单，却足以说明，多 Agent 的默认结果不是省钱，而是用更多计算换取更广的搜索。
Anthropic 的内部评测显示，Opus 4 主 Agent 加 Sonnet 4 子 Agent，在其 research eval 上比单一 Opus 4 高 90.2%。这同样只能按厂商内部评测理解：题集、绝对分数和外部复现没有完整公开。更值得相信的边界，反而是他们主动写出的「不适用」场景——当任务需要所有 Agent 共享大量上下文，或者步骤彼此依赖时，多 Agent 并不好用；多数编码任务就常常缺少真正可并行的分支。[E1]
被忽略的成本：它最后变成了一个分布式系统
实际运行中还有另一种成本。主 Agent 同步等待子 Agent 时，会被最慢的一项卡住，也无法在搜索过程中及时纠偏。改成异步又会带来状态一致性和错误传播。长任务一旦失败，从头重跑很贵，所以 Anthropic 增加了计划保存、checkpoint、重试、恢复和生产 tracing。[E1] 并行研究最后变成了一个需要长期维护的分布式系统，而不是几条提示词。
可试小方法：第一次只开两个子 Agent，各写一张「分工卡」
对小团队来说，可以先做一个更小的实验：第一次只开两个子 Agent，并在启动前各写一张「分工卡」。
适用前提：问题至少存在两个可以独立调查、最后再合并的方向；单人顺序搜索已经可能遗漏重要分支，且研究结果的价值足以覆盖额外模型和复核成本；有一个主负责人负责去重、冲突判断和最终事实责任。
最小动作——卡上只放五件事：
- 它只回答哪个具体问题；
- 明确不处理什么相邻问题；
- 优先使用哪些来源和工具；
- 返回格式：结论、证据链接、未知、冲突；
- 预算：最多工具调用数或时间，以及停止条件。
主负责人在启动前检查两张卡会不会搜索同一对象；回来后只统计「独有且可用的一手证据」，再决定是否需要第三个 Agent。
观察信号：两个 Agent 返回链接或事实的重复比例；每个 Agent 带回的独有一手证据数量；主负责人为去重和解决冲突花的时间；token/工具调用相对单 Agent 基线的增量；新增 Agent 是否真的改变结论。
停止或收束条件：两个 Agent 大部分结果相同，或第二轮没有新增关键一手证据，就停止扩员，由主负责人收束；剩余问题彼此强依赖、必须共享同一大段上下文，改回一个 Agent 顺序处理；来源冲突涉及高风险判断，让人或独立审读者回查原文，不要用多数 Agent 投票；协调和复核时间已经超过顺序研究的预估收益，就结束并行——不为了「已经启动多 Agent」继续消耗。
Anthropic 的案例说明，多 Agent 的价值来自「独立方向可以并行」，代价则来自「所有含糊之处也会并行」。真正的工程能力不是一次叫来多少 Agent，而是知道什么时候不该再叫下一个。
附：本文证据使用说明
本文属于 Agent 实验室的外部真实实践案例线：写的是具名团队（Anthropic）在生产环境里实际怎样运行多 Agent 研究系统。90.2%、15 倍 token、「最高缩短 90% 研究时间」均为 Anthropic 内部评测或自报统计，无外部复现，本文只把它们当作「该系统确实进入生产」的证据，不当作用户可预期的收益。「分工卡」是本文从其公开复盘提炼的编辑方法，不是 Anthropic 原文提供的模板。全部事实来自公开官方页面 [E1]-[E3]，访问时间 2026-09-30。外部事实归原出处，提炼与错误归本文。