Wink Pings

Anthropic 多智能体论文:90.2% 提升,靠的不是模型

一个 Opus 管理一群 Sonnets,击败了单个 Opus agent 90.2%。拆开看是六个设计,往深看是 harness、loop、graph。问题不在模型,在结构。

Anthropic 的多智能体论文,效果惊人。

一个 Opus 被安排管理一组 Sonnets,最终比单个 Opus agent 高出 90.2%。升级的不是模型,是结构。

论文的做法:一个 Opus 负责计划,一组 Sonnets 负责执行。没有单个对话窗口承担全部工作。

六个设计:

  1. Lead agent:Opus 在首次搜索前把计划写到记忆里。上下文超过 20 万 token 会被截断,但计划不会丢。
  2. Brief:每个子 agent 拿到目标、输出格式、工具列表和“不要覆盖”的边界。没有它,两个子 agent 会重复搜索同一块。
  3. Scale effort:单 agent 一般调用 3-10 次工具;子 agent 组 2-4 个;深度研究 10+ 个。
  4. Parallel:同时跑 3-5 个子 agent,每个同时调用 3+ 工具。研究时间最高下降 90%。
  5. Self-fixing tools:一个测试 agent 反复运行同一个坏工具几十次,然后重写工具的描述。之后的 agent 完成速度提高 40%。
  6. Files + citations:子 agent 把结果写入文件,返回路径。发布前,另一个 pass 检查每条引用。

单 agent 的问题是:问题还没问完,上下文先耗尽了。团队不会。

Whitemon 把这六个部分打包成一个 prompt,放进 Claude Code 就能用。

但这不是一个 prompt 技巧。Whitemon 的另一篇文章提出了更底层的框架:harness、loop、graph。

同一模型、同一提示词,结果不同。问题通常不在提示词,也不在模型,而在模型外面的系统。

  • Harness 是模型能做什么的边界。包括工具、内存、权限。
  • Loop 是系统如何知道自己做对了。不要循环在“信心”上,要循环在“证据”上。
  • Graph 是下一步该做什么。节点是独立任务,边是真实依赖。

论文里的 6 个部分,本质上是这三个层的应用:Opus 写计划属于 harness 的 memory;brief 是 contract;并行是 graph;自我修复是 loop。

有网友提醒:Anthropic 自己的文档说,多智能体消耗的 token 大约是普通聊天的 15 倍。还有人说,一个经理带一群执行者,Anthropic 等于重新发明了印度 IT 外包。

讽刺的是,90.2% 的提升不是来自更强的模型,而是来自组织结构。

你的 agent 一直失败?别急着改 prompt。先看看是哪一层坏了。

发布时间: 2026-11-23 05:57