纵向对比
10 种模式放在同一组维度上比较:先看结构,再按场景选,最后是各自的优劣。点模式名跳到它的流程图;带"架构图"的可以直接看系统架构。
结构对比
每种模式的典型实现。K = 成员或视角数,N = 子任务或候选数,R = 轮数;流程图里的示例取 K = 3、R = 2。串行轮数是关键路径上必须依次等待的模型调用次数,它和"耗时取决于"一起决定了这种模式快不快。表格可横向滚动。
| 模式 | 模型调用 | 串行轮数 | 耗时取决于 | 并行 | 成员之间 | 质量检查 | 返工 |
|---|---|---|---|---|---|---|---|
| 单 Agent 基线MA-00 | 1 | 1 | 一次调用的长度 | 无 | —(只有一个 Agent) | 无 | 无 |
| 顺序流水线MA-01 | K | K | 各棒耗时相加 | 无 | 每一棒只看到上一棒的产出 | 下游角色顺带审校(同一条链) | 无,不回头 |
| 路由分诊MA-02 | 2 | 2 | 分类 + 1 位专家 | 无(只运行 1 位专家) | — | 无 | 无 |
| 并行分工MA-03 | K + 1 | 2 | 最慢的一路 + 汇总 | K 路,视角事先固定 | 各路互相看不见 | 无(汇总者只负责合并) | 无 |
| 委派式编排MA-04架构图 → | N + 2 | 3 | 拆分 + 最慢的子任务 + 汇总 | N 路,运行时决定 | 子 Agent 互相看不见,只回报编排者 | 无(编排者直接汇总) | 无 |
| 生成-评审循环MA-05架构图 → | 2 ~ 2R + 1 | 2 ~ 2R + 1 | (写 + 评)× 轮数 | 无 | 写手能看到评审意见 | 独立评审员按标准打分,不达标打回 | 最多 R 轮 |
| 多 Agent 辩论MA-06 | 2R + 2 | R + 2 | 主持 + 每轮较慢的一方 × R + 裁判 | 2 路(正方、反方) | 反驳时能看到对方的论证 | 裁判 | 无 |
| 投票集成MA-07 | N + 1 | 2 | 最慢的一份答卷 + 评委 | N 路,同一任务 | 候选者互相看不见 | 评委打分、择优或投票 | 无 |
| 团队协作 · 共享黑板MA-08架构图 → | K × R + 2 | R + 2 | 建板 + 每轮最慢的成员 × R + 整合 | K 路 | 第 2 轮起能看到所有人的帖子 | 质疑者角色 + 组长整合 | 无 |
| 契约编排 + 闸门验证MA-09架构图 → | N + 3 ~ 2N + 4 | 4 ~ 6 | 规划 + 最慢的执行者 + 评审 + 返工 + 整合 | N 路,任务卡隔离 | 执行者互相看不见 | 代码校验计划 + 规则闸门 + 独立评审 | 只返工未通过项 |
按场景选
每种情况下最先考虑的模式;实际可以组合,比如在 MA-04 的每个子任务里套一个 MA-05。
| 你的情况 | 推荐模式 | 为什么 |
|---|---|---|
| 简单、边界清楚的问题 | 单 Agent 基线MA-00 | 一次调用就够;多加 Agent 只会多出几轮等待和 token |
| 有固定工序的内容生产 | 顺序流水线MA-01 | 每道工序一个专职角色,流程固定,出了问题好定位 |
| 多领域问答 / 客服分诊 | 路由分诊MA-02 | 只多一次分类调用,每类问题都交给对口的专家 |
| 需要几个固定维度的分析 | 并行分工MA-03 | 维度事先确定,几路并行、互不干扰,覆盖面有保证 |
| 可拆分的调研、只读探索 | 委派式编排MA-04架构图 → | 编排者按需拆分,子 Agent 各用全新上下文并行跑 |
| 单件产出,要求高质量 | 生成-评审循环MA-05架构图 → | 有明确的验收标准,可以一轮轮改到达标 |
| 方案取舍、需要暴露反例 | 多 Agent 辩论MA-06 | 正反方互相反驳,能逼出隐含假设和风险 |
| 关键答案,怕出错 | 投票集成MA-07 | 有标准答案时,多次采样 + 投票通常比辩论更稳 |
| 多假设排查,成员要互相纠错 | 团队协作 · 共享黑板MA-08架构图 → | 成员能看到彼此的结论,可以当场质疑、修正 |
| 多人并行改代码,结果要可审计 | 契约编排 + 闸门验证MA-09架构图 → | 写集合事先划清,执行后有闸门、评审和单写者整合 |
优劣速查
每种模式的完整优劣、适用场景、架构图和代表工具,在它自己的页面里。
MA-00单 Agent 基线
+ 优势
- 任务一次调用就能完成时,成本和延迟都最低
- 没有协调开销,没有传话失真
- 上下文完整,出错时最好排查
- 劣势
- 只有一个视角,没有任何自检
- 错误会直接进入最终结果
- 任务大且能拆分时没法并行提速,上下文也容易被挤爆
MA-01顺序流水线
+ 优势
- 角色分工清晰,每一棒只做一件事
- 每个环节可以单独替换、单独调优
- 流程固定,出了问题容易定位是哪一棒
- 劣势
- 传话失真:每一棒只看到上一棒的产出
- 一棒错、棒棒错,没有回头修正的机会
- 耗时逐棒累加,并行度为零
MA-02路由分诊
+ 优势
- 只多一次分类调用,成本几乎和单 Agent 一样
- 每类问题都交给最合适的专家处理
- 加一个新领域,只要加一位专家和一个分类
- 劣势
- 分错类就全错,而且没有纠正机制
- 跨领域的问题只能落到一个专家手里
- 分类器本身成了单点
MA-03并行分工
+ 优势
- 几路同时进行,耗时 ≈ 最慢的一路 + 汇总一轮
- 各路互相看不见,不会被彼此带偏
- 视角覆盖面可以事先保证
- 劣势
- 视角是事先定死的,遇到新问题无法调整
- 汇总者负担重,容易丢信息
- 各路之间不能互相纠错,可能重复
MA-04委派式编排
+ 优势
- 按任务动态拆分,适应性强
- 任务大且可拆分时能明显缩短耗时(Anthropic 的调研系统:复杂查询最多快约 90%)
- Claude Code、Codex、Kimi Code、Hermes 等编码 Agent 都内置了这种做法
- 劣势
- 拆分不清就会重复劳动或遗漏
- 没有验收环节,子任务做错也会被直接汇总
- token 成本高(Anthropic:多 Agent 系统约为普通对话的 15 倍)
MA-05生成-评审循环
+ 优势
- 质量逐轮提升,有明确的验收标准
- 评审员更强、上下文干净时提升明显(Codex 写、Claude 审:71.6% → 89.7%)
- 结构简单,容易加到现有流程上
- 劣势
- 标准偏松等于没审,偏严会一直打回、烧钱
- 每多一轮就多一段串行等待,成本也随轮数增加
- 评审员比写手弱时会帮倒忙(Claude 写、Codex 审:91.4% → 82.8%)
- 评审员和写手同一家时,错误往往相关,盲点也相同
MA-06多 Agent 辩论
+ 优势
- 正反对抗,能逼出反例和隐含假设
- 裁判看到双方的完整论证再做取舍
- 正反方用不同模型时,效果普遍更好
- 劣势
- 多数基准上并不比单模型 CoT 或多次采样投票更好
- 容易为了对立而对立
- 调用次数多,结论质量高度依赖裁判
MA-07投票集成
+ 优势
- 多份独立答卷,可以抵消单次失误
- 有标准答案的题上,多次采样投票通常比辩论更好
- 答卷可以并行生成,墙钟时间短
- 劣势
- 成本约是单次的 N 倍
- 答卷之间错误相关:越强的模型越容易错成同一个答案
- 用不同模型混合,平均质量常常不如同一个最强模型多采几次
MA-08团队协作 · 共享黑板
+ 优势
- 成员之间能互相看见、互相纠错
- 讨论过程都留在黑板上,可以追溯
- 适合多假设并行排查
- 劣势
- 每轮每人都要读全部帖子,token 随人数和轮数快速增长
- 讨论可能发散、收不住
- 多人写同一处时容易互相覆盖
MA-09契约编排 + 闸门验证
+ 优势
- 事前用契约防止重复劳动:写集合不相交,计划用代码校验
- 有中心协调:Google 等的实验里,错误放大约 4.4 倍,而各自独立并行约 17.2 倍
- 单写者整合:多个 Agent 贡献内容,只有一个负责写终稿
- 全程可追溯,附验收对照表
- 劣势
- 流程最重,调用次数最多
- 关键路径最长:规划、闸门、评审、返工都要串行等待
- 搭建和维护成本高
- 简单任务用它很不划算
来源
优劣里引用的公开资料;代表工具的出处是各自的官方文档和仓库。
- Anthropic:How we built our multi-agent research system(并行提速约 90%、token 约 15 倍、子 Agent 输出写文件)
- Anthropic:Building effective agents(routing / parallelization / orchestrator-workers / evaluator-optimizer)
- Google Research 等:Towards a Science of Scaling Agent Systems(错误放大 17.2× / 4.4×,顺序任务下降 39–70%)
- Stop Overvaluing Multi-Agent Debate(MAD 多数基准不胜 CoT / 自洽;异质模型有帮助)
- Correlated Errors in Large Language Models(模型越强、错误越相关)
- Cross-Model LLM Code Review(跨模型评审的方向:71.6→89.7 vs 91.4→82.8)
- Rethinking Mixture-of-Agents / Self-MoA(混合不同模型常拉低质量)
- Cognition:Multi-Agents: What's Actually Working(写操作保持单线程)