🤝 多 Agent 协作
把问题从"如何构建和改进一个 Agent"推进到"如何组织多个 Agent"：群体的智能可以高于个体，但工程判据只有一条——协作是否引入了单 Agent 生成时无法获得的新信息。
🎯 核心论点
1
新信息判据——执行反馈、视觉反馈、工具反馈有增量（Anthropic 漏洞挖掘、WebGen-Agent）；自我审查与同文本辩论没有。
2
上下文共享保留细节但会膨胀——带来角色惯性；上下文隔离利于并发、模块化与权限控制，代价是必须通过显式通信传递结构化"移交包"。
3
多 Agent 通信等价于进程间通信——共享文件系统 = 共享内存；工具调用参数与消息总线 = 消息传递的两种形态。
4
引入单 Agent 不存在的失败模式——研究归纳 14 种、三大类；需乐观锁与工作副本、独立交叉验证、差异化信息源、预算与取消机制构成容错闭环。
5
长期开放的群体交互涌现"Agent 社会"——社交（AI 小镇/Agentopia）、经济、策略博弈（狼人杀）等现象。
🗂️ 关键概念卡片
共享上下文
后继 Agent 继承前序完整轨迹每阶段切换系统提示词与工具集即新 Agent，保留前任全部记忆
上下文隔离
各 Agent 维护独立上下文与历史无法访问对方思考过程，靠工具参数/共享文件/消息总线显式交换
协作拓扑
控制权与信息按何结构流动对等协作、管理者（Orchestration）、去中心化三种典型形态
新信息判据
是否引入生成时不存在的信息执行/视觉/工具反馈显著提升；自我审查通常无效甚至有害
移交包
Agent 间传递的结构化交接物任务描述 + 已确认事实与约束 + 结构化产物引用（文件路径而非内容）
消息总线
异步中转消息的"公共公告板"发布-订阅解耦，发送方无需知晓消费者，支持并行协调
虚拟文件系统
多源挂载的统一目录树四类区域：专属工作区/共享空间/外部挂载/系统内置（Skills）
Loop 工程
由验证器判定循环何时停止发现→执行→验证→记录；循环瓶颈在验证器而不在模型
提议者-审核者
最经典的对等协作范式审核者读独立证据、给可定位修复条件，不能修改测试与发布门槛
管理者模式
中心化 Manager 调度子 AgentManager 把子 Agent 建模为工具；弱规划者是系统最大瓶颈
去中心化 handoff
控制权如接力棒对等流转OpenAI Swarm 式，移交携带预算、访问链与循环检测
A2A 协议
跨组织 Agent 互操作标准Agent Card + 任务生命周期状态机；MCP 管 Agent-工具，A2A 管 Agent-Agent
🖼️ 原书配图详解
图 10-1 左右对比——共享上下文（需求分析师→工程师→代码审查员继承同一对话历史）vs 不共享上下文（经共享文件系统协作）
图 10-2 Agent 虚拟文件系统——统一 read/write/list 接口下挂载四类区域，用户上传下载
图 10-3 提议者-审核者循环——Proposer 生成代码，Reviewer 渲染+Vision LLM 评估，迭代至 0 问题
图 10-4 Manager 顺序协调——按步骤依次调用子 Agent A（数据收集）/B（分析）/C（报告）
图 10-5 书籍翻译架构——Manager 调度 Glossary/Translation×N/Proofreading，共享文件系统交换成果（实验10-2）
图 10-6 Manager 并行协调——消息总线连接 4 个并行 Agent，附 start/completed/data_ready 消息示例
图 10-7 Phone 与 Computer 双 Agent——语音链路与浏览器链路经 WebSocket 双向通信（实验10-3）
图 10-8 并行 Web Scraping——Manager 动态创建 10 个 Agent，含级联终止时序与串并行加速对比（实验10-4）
图 10-9 MetaGPT 网络——PM→Architect→Project Mgr→Engineer×3→QA 流水线，标准化文档传递，Bug 报告回路
图 10-10 AI 小镇架构——单个 Agent 的记忆流（importance/recency）、反思、计划三组件，及派对邀请/选举传播等涌现行为
图 10-11
语音狼人杀系统
法官（代码驱动）掌握全局状态、按角色分发信息（狼人互知/预言家验人/女巫解药/村民仅公开），含实时语音交互（实验10-6）
📊 关键案例与数据
| 案例 / 数据 | 要点 |
|---|---|
| Anthropic 漏洞挖掘 | 45 个 Agent 经共享论坛协调，2700 万 token 找到 266 个漏洞；独立并行 Agent 用 650 万 token 只找到 21 个 |
| WebGen-Agent | 多层视觉反馈脚手架使 Claude 3.5 Sonnet 网页生成成绩从 26.4% 提升到 51.9%（接近翻倍） |
| LongHorizon-Harness | WeaveBench 51.8%→80.7%、OSWorld 2.0 2.8%→8.3%、Terminal-Bench 69.7%→77.2% |
| 失败模式研究 | 7 个框架、约 150 条轨迹人工标注归纳 14 种失败模式（Cohen's kappa=0.88） |
| 同质趋同 | 30 个并发 Agent 有 18 个创建同名 Git 分支；写作实验不同 Agent 不约而同用相同标题 |
| 书籍翻译实验（实验10-2） | Manager 上下文缩小 20.43×、token 减少 6.48×，匿名质量 4.654>4.481，但慢 6.57% |
💬 金句摘录
群体的智能可以高于个体。
在验证之前，"完成"只是模型的一句宣称，不是证明。
循环的瓶颈在验证器，而不在模型。
进程间传递字节，逐位保真，但 Agent 间传递语义，每转述一次都是有损的重新编码。
你可以外包你的思考，但不能外包你的理解。（引 Andrej Karpathy）
好的协作不是暴露彼此的思考过程，而是约定清晰的接口、边界、权限和验收标准。
🧪 配套实验亮点
实验 10-1 multi-role-transfer（★★）切换系统提示词 vs 加载 Skill 对照
实验 10-3 电话+电脑双 Agent（★★★）真实 ARK 自主工具调用 + WebRTC 双工
实验 10-4 parallel-web-research（★★★）10 站点串并行加速 1.872×
实验 10-5 generative-agents（★★★）三组各 25 Agent、17,280 步 AI 小镇
实验 10-6 voice-werewolf（★★★）信息隔离 + 真实 ASR 回环语音狼人杀
📝 后记速览
模型会不会吃掉 Harness？
- 全书公式 Agent = LLM + 上下文 + 工具；三部分：构建（2-6章）、评估与进化（7-9章）、协作（第10章）。
- 两朵乌云：① Agent 如何流式实时交互（快慢分离）；② Agent 如何从交互成败中持续积累经验。
- 模型与 Harness 互喂飞轮——模型"一层层吃掉"Harness 但永不会吃完；只改 harness 不动模型即可把任务准确率从 52.8% 提到 66.5%。