Multi-Agent 原理

Multi-Agent 不是让多个模型随意聊天，而是让一个根 Agent 把可独立的任务放进一棵受控的父子树中。每个 Agent 仍使用同一套 Agent Loop、工具、权限和审批机制。

树，而不是自由网络

text

根 Agent（用户与它交流）
├── 子 Agent：前端调查
│   └── 子 Agent：专项复核
└── 子 Agent：后端调查

每个子 Agent 有自己的任务名、模型快照和独立对话；它只属于一个父节点。当前结构不是通用 DAG、图形工作流或自动规划器。

根 Agent 负责理解用户目标、选择模板、创建子 Agent、分派工作、跟进或中断后代，并把结果整理成最终回答。用户始终在根对话中交互和处理审批。

子 Agent 获得一个聚焦任务，并可在自己的 Run 中读取项目、使用 Tool 或继续创建后代。它的权限不会比祖先更宽；父链上的限制会继续收紧它。

右侧栏“子智能体”提供子对话的只读观察。只读是有意的：它避免用户绕过父子协作关系，直接改变一个正在被根 Agent 协调的节点。

父子之间的消息会先持久保存。单纯发送消息不一定让一个空闲 Agent 立即运行；需要继续工作时，父 Agent 会分配 follow-up，创建新的执行机会。一次 Turn 结束也不会删除该 Agent，后续仍可唤醒。

所有交互式根 Agent、子 Agent 和 Scheduled Automation 都共享有限的进程并发容量。子任务如果大量读取相同文件、依赖同一前置结论或需要频繁互相等待，拆开反而会变慢。

适合并行的工作通常满足：输入边界清楚、交付物独立、最后可以由根 Agent 交叉核对。例如按前端、后端、测试分工，或让不同 Agent 独立审查同一方案。

任务树、消息和关键状态先写入本地存储。应用重启后可以恢复已经进入持久边界的工作；但如果某个外部副作用已经可能发出、系统又无法确认结果，就不会盲目重放，而会报告结果未知。