本文由 Anthropic 团队撰写，深入分享了其 多智能体（Multi-Agent）研究系统 的实践路径、设计原则，以及从原型验证到生产部署的宝贵经验。无论你是正在探索 Agentic AI 的开发者，还是希望将 AI 产品化的技术负责人，这份指南都能为你提供切实可行的路线图。
一、为什么多智能体系统是AI研究的关键选择
研究任务本质上具有 开放性与不确定性：你无法预先穷举所有步骤，过程动态且路径依赖。人类研究者会根据发现不断调整方向，这种不可预测性让 AI Agent 成为绝佳选择。
- 动态规划能力：Agent 能够自主运行多个回合，根据中间发现决定下一步探索方向，而非线性流水线。
- 压缩与并行：搜索的本质是从海量信息中提炼关键。Subagents 在各自的上下文窗口中并行操作，将最重要的 tokens 浓缩给主导 Agent，实现 关注点分离（separation of concerns），减少路径依赖。
- 性能扩展：当单个模型能力达到瓶颈，多智能体系统通过协同工作获得远超个体的能力。内部评估显示，以 Claude Opus 4 为主导、Claude Sonnet 4 为 subagents 的系统，在广度优先搜索任务中性能比单个 Opus 4 高出 90.2%。
关键分析：多个 Agent 并行使用 tokens 是性能提升的核心驱动力。内部因素分析表明，token 使用量解释了 BrowseComp 评估中 80% 的性能差异。多智能体架构让“算力投入”超越单个 context window 的限制。
⚠️ 重要提示：多智能体系统会快速消耗 tokens——通常比普通交互多约 15 倍。务必确认任务价值足够高，以覆盖成本。此外，强依赖共享上下文或 agents 间高度耦合的任务（如复杂编码），目前尚不理想。
二、Research 功能的架构设计详解
Anthropic 的 Research 系统采用 Orchestrator-Worker 模式：一个主导 Agent 负责规划与协调，多个并行的 subagents 各自独立搜索。
用户提交查询后，主导 Agent 分析查询、制定策略，并生成 subagents 同时探索不同方面。Subagents 充当智能过滤器，通过迭代搜索工具收集信息并返回结果，主导 Agent 最终汇编答案。
这种架构不同于传统 RAG：后者是静态检索，前者是多步动态搜索，能适应新发现并分析结果，输出更高质量的答案。
三、研究型 Agent 的 Prompt 工程与评估体系
Prompt 工程核心原则
- 像你的 Agent 一样思考：使用 Console 建立模拟环境，一步步观察 Agent 行为。立即发现失败模式——如过度搜索、查询冗长、选错工具。
- 教会 Orchestrator 委派任务：为每个 subagent 提供目标、输出格式、工具指南和任务边界。模糊指令会导致重复或空白。例如，“研究半导体短缺”太宽泛，应明确“调查 2025 年汽车芯片供应链”并指定搜索范围。
- 根据查询复杂度调整投入：在 Prompt 中嵌入扩展规则——简单事实查找用 1 个 agent、3-10 次工具调用；复杂研究可用 10+ 个 subagents，明确划分责任。这防止了早期常见的“大题小作”或“小题大做”。
- Tool 设计和选择至关重要：你给 Agent 的工具接口如同人与机器的交互界面。不好的描述会让 Agent 选错工具。每个工具都需清晰的目的与描述，并给出启发式规则（如“首先检查所有可用工具”）。
- 让 Agent 自我改进：Claude 4 模型能诊断自身失败原因并改进 Prompt。使用“工具测试 Agent”自动重写有缺陷的 MCP 工具描述，任务完成时间可减少 40%。
- 从广泛开始，再逐步收窄：模拟专家人类研究：先简短宽泛查询，评估信息后再聚焦。避免默认使用过长、过于具体的查询。
- 引导思考过程：利用
extended thinking模式让主导 Agent 规划方法、分配角色。Subagents 使用interlea ved thinking评估质量并优化下一次查询。 - 并行 Tool 调用改变速度：主导 Agent 并行启动 3-5 个 subagents，subagent 内部并行使用 3 个以上工具。复杂查询的研究时间可缩短高达 90%。
Agent 评估方法论
立即用小样本开始：从约 20 个真实使用案例开始，早期变化效果显著。不要等几百个测试用例再评估。
LLM-as-judge 可以很好地扩展：使用单一 LLM 评委按评分标准（事实准确性、引用质量、完整性等）打出 0.0-1.0 分数。单个 prompt 输出分数加通过/失败等级，较多人评委更一致。
人工评估不可替代：人工测试能发现自动化评估遗漏的边缘情况，如幻觉、来源偏见（例如早期 Agent 偏爱 SEO 内容农场）。人机结合效果最佳。