AI 为什么会？⑯ 为什么一个 AI 不够？

上一篇，我们调查了 Agent。最后，我们发现，Agent 可以先做计划，也可以在执行中根据结果继续调整。于是，一个新的问题出现了：如果一个 Agent 已经可以调用工具、推进任务，为什么有些 AI 系统还要使用多个 Agent？一个不够吗？

调查现场

今天，我们不打开 AI，来想一个更熟悉的场景。如果你要盖一栋房子，会不会只找一个人，让他既负责设计，又负责砌墙、水电、装修，最后还负责验收？通常不会。不是因为这个人不聪明，而是因为：

有些任务，适合分工。

于是，建筑行业有了设计师、施工队、电工、监理……他们一起完成一件事情。有没有发现？当任务能够清楚拆分，而且不同部分需要不同专长时，一种有效办法就是：

分工。

一、后来，我发现我们又把 AI 想成人了

很多人一直觉得，AI 应该越来越强，最好什么都会，会写代码，会画图，会搜索，会分析，会规划，会执行，后来，我越来越觉得，这其实是人类的一种执念，我们总希望出现一个万能的人。可现实世界的发展方向，恰恰相反。公司越来越大。

岗位越来越细，医院分出几十个专科，软件开发有前端、后端、测试、运维。

可公司也教会我们另一件事：人越多，事情不一定越快。会议、交接、误解和内耗，都会跟着出现。

二、AI 世界也开始发生同样的事情

一些 AI 系统也开始拆分角色：一个负责规划，一个搜索资料，一个写代码，另一个检查结果。它们可以并行工作，也可以让检查者不受执行者原有思路影响，重新审视结果。

第一次看到 Multi-Agent 演示，很容易觉得 Agent 越多越高级。可角色一多，调用成本和等待时间都会上升，信息可能在交接中丢失，错误也可能像传话游戏一样一路传下去。

很多任务，一个强模型加上合适工具，反而更简单、更可靠。

很多人第一次看到这里，会觉得：AI 好像越来越复杂了，但我反而觉得，它只是越来越像真实世界。

三、真正重要的，不是谁最聪明

以前，我一直觉得，AI 的竞争，就是模型越来越强。后来，我越来越觉得，在适合分工的任务里，系统还要解决另一件事情：

谁最会合作。

想想一家优秀的公司，效率不仅取决于个人能力，也取决于信息如何流动、任务如何拆分、什么时候接手和交接。多 Agent 系统也是一样：组织方式可能带来收益，也可能制造内耗。

四、突然，一切又连起来了

写到这里，我突然发现，前十五篇一直在回答一个问题。AI 为什么会回答？AI 为什么会调用工具？AI 为什么会规划？今天，我们终于开始回答另一个问题。

为什么 AI 会协作？

你会发现，这仍然离不开 Context、Tool 和 Planning。只是现在，不同角色可以拿到不同任务、不同材料和不同工具，外围流程再负责传递结果。

所谓“组织方式”，说白了就是四件事：活怎么拆，信息给谁，工具由谁用，结果交给谁检查。

五、终于，我们可以介绍一个名字了

行业里，通常把多个 Agent 共同完成任务的系统叫作：

Multi-Agent。

第一次听见这个名字的时候，我觉得特别高级，后来，我越来越觉得，它其实就是一句很普通的话。

把一个适合分解的任务，交给一个团队，而不是一个人。

名字一点都不重要，重要的是，你已经知道，为什么会出现它。

六、未来的 AI，更像公司，而不是工具

以前，我们把 AI 当成一个工具。后来，我们把它当成一个助手。未来，有些 AI 系统可能更像一家小公司：有人分析需求，有人执行，有人检查质量。

但“像公司”只是一个比喻，不是所有 AI 的必然终点。很多系统仍然只需要一个 Agent，甚至一条固定工作流。没必要为了看起来热闹，给一个人的工作硬塞进一支团队。

如果确实采用多个 Agent，那么重要的问题就不再只是：

AI 会不会。

而是：

AI 如何组织。

调查笔记 No.16

今天，我们推翻了第十六个认知。

❌ 复杂任务只要增加 Agent 数量，就一定会做得更好。

✅ 当分工、并行或独立复核的收益大于协调成本时，多个 Agent 才可能更合适。

真正重要的不是数量，而是：

有效分工。

当前掌握的线索

• AI 根据 Context 思考。
• AI 可以调用 Tool。
• Agent 可以持续规划与执行。
• 多个 Agent 可以通过有效分工完成复杂任务，但也会增加协调成本。
• 应该从能完成任务的最简单结构开始，再决定是否需要多 Agent。

下一步调查

如果未来的 AI 更像一家公司。那么，人应该站在哪里？我们会被 AI 替代，还是会成为 AI 的管理者？下一篇，我们继续调查。

《AI 为什么会？⑰ AI 会放大什么？》