多 Agent 系统

概述

多 Agent 系统是由多个协作 Agent 组成的 AI 架构模式，通过并行处理和任务分解实现复杂问题的解决，是 Anthropic 工程研究的重要方向。

关键内容

1. 从原型到生产的工程实践：2025 年 6 月提出的多 Agent 研究系统工程指南，实现 90.2% 性能提升，总结 8 条 Prompt 工程原则。

2. 并行 Agent 编程挑战：2026 年 2 月的 C 编译器构建案例揭示并行 Agent 编程中的接口规范挑战，证明多 Agent 协作需要严格的接口定义。

3. 性能优化关键因素：

4. Token 使用量是性能的主要预测指标
5. 任务分解质量决定并行效率

6. Agent 间通信开销影响整体性能

7. 与简单模式的平衡：Anthropic 强调"do the simplest thing that works"，多 Agent 系统仅在单 Agent 无法满足需求时使用，避免过度工程化。

8. 应用场景：

9. 复杂代码库的并行分析与修改
10. 多步骤研究任务的并行执行
11. 大规模内容生成和处理

来源

• raw/articles/ai-engineering/anthropic-engineering/claude-engineering/00_INDEX.md — 多 Agent 系统章节
• raw/articles/ai-engineering/anthropic-engineering/claude-engineering/13_building_c_compiler.md — C 编译器并行实验

相关

• Agent 架构与设计原则 — extends
• Anthropic — part_of
• Claude Code — uses
• 并行 Agent 开发 — relates_to
• 任务分解 — relates_to
• 评测驱动开发 — relates_to
• 上下文工程 — relates_to
• 可扩展的受管理 Agent — compares_to (分层架构 vs 扁平协作)