多 Agent 把复杂任务分给多个专职智能体协作，常见模式：角色分工流水线（如软件团队模拟：产品经理→架构师→工程师→测试，串行传递产物）；层级监督（Supervisor 模式：一个调度 Agent 分派任务、汇总结果，子 Agent 执行，LangGraph 等框架主流）；辩论与评审（多个 Agent 互相质疑、投票，提升推理可靠性）；并行扇出（子任务独立，并发执行后聚合）。

收益与代价并存：角色专注使单个提示更短更聚焦，上下文隔离减少干扰，可并行提速；但多 Agent 间通信靠自然语言传递，信息有损且 token 成本成倍增加，错误会沿链条放大，调试难度高。经验法则：单 Agent 加好工具能解决的，不要上多 Agent；子任务需要独立上下文或真正并行时才值得拆分。

易错点：把多 Agent 当银弹堆砌角色，反而降低可靠性；缺乏明确的交接协议（结构化输出契约）导致信息丢失。追问方向：如何评估多 Agent 系统（端到端成功率、成本、各节点错误归因）？