大模型时代，如何让 AI 智能体真正为你工作？（四）：多智能体，更像一个组织管理问题
先把一个 Agent 用好，是我很认同的起点。但用着用着，你可能会发现，有些工作已经不适合让一个角色从头做到尾了。
它涉及不同的专业，需要在不同方向里研究。角色增加以后，问题也跟着变了。你关心的不只是“谁会干活”，还要关心谁来协调、怎么交接、最后由谁负责。
我觉得这个变化很有意思。多智能体看起来是一个技术话题，用起来却特别像组织管理。你能不能把它们配合起来，和你理解目标、分工、协作的能力很有关系。
让五个很能干的人坐在一起，不代表事情自然会做好。如果目标不一致，分工不清楚，最后可能就是一场热闹。Agent 也是一样。数量增加了，工作不一定就更有效。
一、先说清楚，为什么要增加一个角色
我觉得，增加角色的理由，应该来自任务。
市场营销研究、产品研发、运营，方向有交叉，但不完全一样。你要做一个完整的营销项目，可能需要研究、内容、设计、渠道和最后的判断。这些工作放在一起，确实会涉及不同的专业。
有些方向可以分别往下研究，互相不需要等。有些则需要拿到前面的结果，才能继续。一个 Agent 如果已经难以兼顾这些要求，才有必要考虑分工。
但一个简单通知，就没必要动用完整团队。你只是需要把一件事说清楚，弄出好几个角色，互相讨论半天，可能还增加了自己的负担。
所以，我会先看，这个新增的角色到底要解决什么。它补的是专业能力，还是处理量，还是一个独立的检查角度？如果说不出来，可能就还没到需要增加的阶段。
角色不是一个装饰。你给它起一个名字，叫“研究员”或者“总监”，并不意味着工作就会自动变专业。它要接什么材料，做什么事，交什么结果，都得明确。
这是我觉得管理经验能派上用场的地方。以前安排人做工作，你不能只给一个头衔；现在安排 Agent，也不能只看角色名称。名字可以很好听，任务还是得落到具体事情上。
二、有人统筹，其他角色分别干活
Anthropic 的智能体手册讲到一种层级式，也可以理解成监督式的架构。它有一个统筹角色，负责理解任务、拆分工作、分配给不同角色，再把结果收回来，处理里面的冲突。
这个统筹角色，在整个工作里像一个大管家。它不一定亲自把每个专业环节都做完，但要让大家围绕同一个目标往下走。
手册里用营销方案作例子，市场研究、创意、文案、媒介规划，各有各的交付，最后再整合起来。你可以把它理解成几个小分队，前面有一个统一协调的人。
这样的方式，比较容易看清楚责任和信息往哪里走。谁接到了什么要求，谁交回了什么成果，统筹者最后怎样整合，都有一个相对明确的关系。
但我觉得，管理者的重点不只是派活儿。把背景给清楚，把标准定下来，遇到不一致的结果要做取舍，这些才重要。你只说“你做研究，你写文案”，还远远不够。
例如，研究说一种方向有机会，创意却做成了另一种表达，最后整合的人就不能简单把两份东西拼起来。要看它们是不是在讲同一件事，是不是符合最初的要求。
有一个统筹角色，也不等于使用者从此不用管了。大的目标、预算和授权边界，还是需要人明确。Agent 可以帮助协调，但不能因此把人的责任取消。
我身边有些人很习惯这种方式，先做一个中控，再往下分。我能理解它的好处，特别是那些协调要求很高的工作，统一安排会比较清楚。
三、角色直接协作，不一定事事经过大管家
另一种是协作式的架构。不同角色之间直接交换信息，不必每件事都绕回同一个统筹者。
有些工作，确实没有必要来回转达。一个角色已经有了某些研究，另一个角色需要参考，让它直接看相关成果，可能更顺手。
我自己比较喜欢这种协作感。比如已经写了一篇文章，接下来要做一个相关但不同的内容，我会让它回头读前面的项目。不是让它凭空重新开始，而是看看原来已经有了什么。
这只是我实际使用中的一种做法，不等于每次都搭建了完整的多智能体系统。但它帮助我理解了角色之间怎样共享成果：有些信息直接给过去，就能减少重复交代。
用竞争研究作例子也很好理解。产品、价格、渠道和促销，各有各的方向，彼此又不能完全分开。我们熟悉的营销 4P，本来就是互相影响的。
研究产品的人，可能需要了解价格。研究渠道的人，也得知道产品面对什么受众。如果每一份分析都彼此隔离，最后很难形成一个完整判断。
所以，协作的意义，是让角色看到彼此已经发现的东西，进行交叉核对。但互相讨论，不等于结论一定更好。这一点我觉得要说清楚。
也可能讨论越来越多，重复劳动越来越多。有些地方本来很简单，反复争论以后，反而找不到重点。所以直接协作也需要范围，不能把所有材料都无差别地丢给所有角色。
我个人比较喜欢这种方式，因为我用起来比较 flow，工作走到哪里，需要什么，就回去读什么。有人更喜欢中控式安排，也没问题。不同人的工作习惯不一样，不能只凭喜欢就说哪种一定更高级。
四、背景丢了，后面的工作就容易偏
多角色协作，第一个很常见的坑，是背景丢了。
你在前面说过为什么做这件事，哪些要求必须保留。到了下一个角色，它只看到一段简短的任务，就不知道前面那些重要条件了。结果看起来完成了，却不是你原来想要的方向。
我自己的办法，是分支、分叉。我喜欢先建立一个基础，就像留下一块酵母、一块面。后面知道要长出很多内容，就从这个基础往外分。
分出一个方向，再继续往下做；需要另一个方向，就再分出去。这样原来的背景和想法，有一个可以回去找的地方，不至于每次都从一句孤立的要求开始。
这个类比很符合我的使用习惯。不是先搭一个很大的中台，把一切都装进去，而是先留住基础，再根据需要长出新的内容。
但分支多了，还是要自己注意版本和材料。哪些是原始背景，哪些是后面修改过的想法，要分得清。保留基础，是为了能继续工作，不是让文件越堆越多，最后自己也看不懂。
我也会清理做完的分支。对我来说，已经用完的过程内容，不必一直占着。但需要复用的背景、最后的成果和关键要求，应当能找到。清理和留存，是两件需要分别判断的事。
技术上怎样共享上下文，有不同方法。我不想把自己的习惯说成标准做法。只是用得多了以后，越来越知道背景不能随便丢，这是协作能不能继续的重要条件。
五、结论冲突和工作转圈，都要有人处理
第二个坑，是结论冲突。
不同角色研究的方向不同，给出的建议可能相反。一个觉得应该往这里走，另一个说那边更合适。你不能因为它们都说得有道理，就同时照做。
这个时候，得回到目标。我们原来要解决什么，哪一个条件更重要，这些建议分别依据什么？需要一个裁决规则，必要的时候就由人介入。
我觉得 AI 给建议是挺有价值的，自己用的过程中，也常能得到一些有帮助的想法。但建议不是决定。你要知道，为什么最后接受这一条，放下另一条。
第三个坑，是工作转圈。任务反复交接，做了很多动作，却一直没有交付。它可能不断补充材料、不断改写，但不知道什么程度就算完成。
这种情况我遇到得不算特别多，但也碰到过。有些事情没完没了地往下做，又做不出一个能收下来的结果。你就得看，是任务没有边界，还是完成标准没讲清楚。
让它继续之前，先问一下现在卡在哪里。如果只是需要补一份资料，那就补。如果不同角色互相等待，就把交接关系理顺。不能只因为它一直在工作，就认为整个任务有进展。
这些问题都跟实际使用经验有关系。用了以后，知道哪些地方会出错，才会慢慢建立自己的提醒和规则。很多时候，管理能力就是在这种实做里长出来的。
六、你没有退出，只是换了一个位置
作为 Agent 的使用者，或者一个创始人，你并没有退出工作。你换了一个位置。
执行可以分出去，分给不同角色。过去自己盯着每一步怎么干，现在可以少做一些具体操作。但为什么干，要做到什么程度，哪些事情不能擅自做，你得更清楚。
我有时候觉得 AI 很尽职，交给它一个任务，它会持续往下做。但尽职不等于不会出错，也不等于我从此不用看结果。越是能够采取行动的工具，越需要明确边界。
目标、预算、授权和最终责任，不会因为角色数量增加就自动解决。你不能说“这是我的 AI 团队做的”，就把结果当成与自己无关。
这也是为什么我觉得，多智能体更像一个组织管理问题。你需要让不同角色知道自己该做什么，让成果能够交接，让冲突能够处理，让工作有地方停下来。
每增加一个角色，都要知道它为什么是必要的。
我仍然比较喜欢协作式的做法，保留一个基础，再按需要往外展开。但这是我的习惯，不是唯一答案。你完全可以用更适合自己任务的方式。
多智能体能不能发挥作用，最终还是看事情有没有做成。如果只是组织越来越庞大，自己的协调越来越累，那就值得回头看一看。也许要补一个规则，也许要减少一个角色。把工作配合好，比把队伍搭得热闹更重要。
回看前一个系列：《AI 原生创业手册》第一篇：打破“创业仓鼠轮”，AI重塑商业新规则。
本系列文章
主播：薛铁鏻（铁林）
ICF MCC认证教练｜Coach8创始人｜企业管理者｜营销与投资实践者
薛铁鏻（铁林，Xue Tielin），Coach8（教练吧）创始人，拥有20余年互联网、教育、企业管理与市场营销经验。曾在水晶石数字科技及新高教集团相关企业担任高管，长期参与市场营销、销售管理、企业运营、互联网教育、团队管理与人才培养，并拥有教育项目投资和早期创业项目投资经验。
2014年创立Coach8，开始系统开展中文教练教育与在线教练社群实践；2022年获得ICF MCC认证，2024年带领Coach8获得ICF Level 3课程认证。具有国家二级心理咨询师、LUXX Profile Master级分析师及导师、乐高工作法系统引导师等专业背景。
(个人网站：https://www.xuetielin.com ；教练吧（Coach8）:https://jl8.cn/ )