这次多智能体协作给我们的几个教训

多智能体不是越多越好

把一个任务交给多个 Agent，看起来会自然提升效率。但实际执行后会发现，Agent 数量增加以后，最先变复杂的不是工作量，而是状态同步。谁负责写代码，谁负责检查，谁有权限发布，谁对最终结果负责，这些边界如果不清楚，协作会变成互相等待。

真正有效的多智能体协作，需要把任务拆成可交付的小块。每个角色要有明确输入、输出和验收标准，而不是只给一句“优化一下”。

证据比口头状态重要

Agent 回复“完成了”并不等于任务完成。我们需要看到文件路径、命令输出、页面截图、数据库回读或测试结果。尤其是生产发布，必须能回答三个问题：改了什么，验证了什么，失败了怎么回滚。

这也是为什么报告和 artifact guard 很重要。它们让交付物从聊天记录里落到文件系统里，后续任何人都能复查。

状态要能恢复

长任务经常跨越多个会话。如果所有上下文只存在聊天里，一次重启就会丢掉关键判断。更可靠的做法是把任务状态写进报告，把关键快照保存到固定目录，把派单记录和验收记录分开保存。

恢复任务时，不应该靠模型猜测，而应该从本地文件、任务系统、部署日志和线上页面重新拼回事实。

最终责任不能外包

多 Agent 可以提高吞吐，但不能替代最终把关。尤其是 UI、品牌、生产发布和内容质量，最后需要一个明确的 gate。这个 gate 要检查的不只是有没有完成，还要看是否符合标准、是否有副作用、是否有回滚方案。

这次经验最重要的一点是：自治不是放任。它需要规则、记录和验收，把自由度约束在可恢复的范围内。