直接回答：主流编排模式四种：主管-工人（orchestrator 拆任务分派给专职 agent，汇总结果）、流水线（agent 串行接力，如检索→写作→审校）、对等协作（多 agent 对话辩论出结论，如多角色评审）、黑板模式（共享状态区，各 agent 读写协作）。选择看任务结构：可分解且子任务异质用主管-工人，流程固定用流水线。
展开解析：多 Agent 的真实收益：上下文隔离（每个 agent 窗口干净，长任务不互相干扰）、专职化（不同系统提示与工具集各管一摊）、并行提速（子任务独立可并发）。代价同样明确：token 成本成倍涨（每跳都要重新带上下文）、协调开销（分派与汇总本身消耗步数）、错误传播（上游 agent 的错结论被下游当事实放大）。经验法则：单 agent 加长上下文能干的活不要上多 agent——Claude 团队的实践结论是多 agent 适合“读多写少”的研究类任务（广度优先搜索大量资料并行压缩），不适合强耦合的编码任务（改同一份代码互相打架）。落地的关键设计：任务分解粒度（太细协调成本吃掉收益）、结果契约（agent 间传结构化 JSON 而非自由文本）、失败隔离（单 agent 挂了能重试不拖垮全局）。先单 agent 打样跑通全流程，瓶颈明确后再拆，是最稳的路径。
追问方向：agent 间通信该用消息还是共享状态？如何评测多 agent 系统的边际收益？
（约 470 字）