232
0本文章《 How we built our multi-agent research system》深入分析了 Anthropic 构建其 Research 功能背后的大型语言模型（LLM）多智能体架构。该系统旨在解决复杂、开放式的研究任务，通过“编排者-执行者”（Orchestrator-Worker）模式，实现了比单智能体系统更高的效率与准确性。
核心结论包括：
- 性能飞跃：在内部评估中，采用 Claude Opus 4 为主导、Claude Sonnet 4 为子智能体的系统在处理复杂查询时，性能优于单智能体 Claude Opus 4 达 90.2%。
- Token 驱动的扩展性：研究发现，80% 的性能差异源于 Token 使用量。多智能体系统通过分布式上下文窗口有效扩展了 Token 消耗，从而提升了推理能力。
- 成本权衡：多智能体系统的 Token 消耗量约为普通对话的 15 倍。其经济可行性取决于任务的高价值属性。
- 架构范式转移：从传统的静态检索（RAG）转向动态、多步、具有自我调节能力的自主搜索流程。
1. 核心架构与系统原理
该研究系统摒弃了预设路径的线性流程，采用了高度动态的并行协作架构。
- 1.1 编排者-执行者模式
系统采用层级化结构，将复杂任务拆解为可并行处理的子任务：
主导智能体（Lead Agent）：负责分析用户查询、制定研究策略、创建子智能体并最终汇总结果。
子智能体（Subagents）：作为智能过滤器，独立执行搜索任务、评估工具结果并返回精炼信息。
- 1.2 研究流程概览
系统通过以下循环流程确保研究的深度与广度：
规划与存储：主导智能体制定计划并存入外部存储，以防因上下文窗口（200,000 tokens）截断而丢失关键背景。
并行执行：生成多个子智能体，每个子智能体拥有独立的上下文窗口，通过 MCP（模型上下文协议）服务器使用外部工具。
内省与迭代：子智能体使用交替思维（Interleaved Thinking）评估结果，主导智能体根据反馈决定是否需要补充研究。
引用与输出：专门的引用智能体（CitationAgent）对所有主张进行溯源核实，确保事实准确。
- 1.3 性能对比分析
2. 提示词工程（Prompt Engineering）的核心原则
由于多智能体系统具有极高的协调复杂度，Anthropic 总结了八项关键的提示词策略，以优化智能体行为：
- 模拟与内省：通过控制台模拟智能体步骤，识别“过度搜索”或“选择错误工具”等失效模式。
- 明确委派指令：为主导智能体提供精细的模板，确保为子智能体定义的任务具有明确的目标、输出格式及工具边界，避免重复劳动。
- 根据复杂度扩展投入：在提示词中嵌入“规模规则”。简单任务仅需 1 个智能体和少量工具调用；复杂任务则需 10 个以上智能体协同。
- 工具设计与启发式引导：为智能体提供工具选择的启发式方法（如：优先使用专业工具而非通用工具），并确保工具描述极其清晰。
- 自我改进机制：利用 Claude 4 诊断失效模式并重写提示词或工具描述。此举使后续智能体的任务完成时间缩短了 40%。
- 先广度后深度策略：引导智能体先进行简短、广泛的查询，评估格局后再逐步缩小范围。
- 强化思维过程：利用“扩展思维模式”作为草稿纸，显著提升指令遵循能力和推理效率。
- 并行化操作：主导智能体并行启动 3-5 个子智能体，且每个子智能体并行调用 3 个以上工具，使研究时间缩短高达 90%。
3. 评估与可靠性保障
评估多智能体系统具有挑战性，因为“过程”往往是非确定性的。
- 3.1 评估层级
小样本起步：初期通过约 20 个代表性查询进行测试。由于多智能体系统的改进效果通常很显著（如成功率从 30% 跃升至 80%），小样本即可提供有效反馈。
LLM 担任评委（LLM-as-judge）：通过预设红利（Rubric）评估事实准确性、引用精度、完整性、来源质量及工具效率。采用单一 LLM 调用给出 0-1 分及胜负判定是最具一致性的方法。
人工校验：用于捕获自动化评估可能遗漏的边缘案例，例如智能体偏好 SEO 优化网站而非权威学术来源的偏见。
- 3.2 生产环境的工程挑战
状态化与错误补偿：智能体任务运行时间长，系统必须具备断点续传能力（Checkpoints），并利用模型智能处理工具失效，而非简单重启。
全链路追踪（Tracing）：通过监控决策模式和交互结构（而非对话内容）来诊断“找不到明显信息”等逻辑故障。
彩虹部署（Rainbow Deployments）：由于智能体是长程运行的，更新代码时需采用逐渐切换流量的方式，确保旧版智能体在任务完成前不被中断。
4. 关键应用场景与未来展望
多智能体研究系统在以下领域显示出显著价值：
- 软件系统开发：跨专业领域的系统构建（占当前用例 10%）。
- 内容优化：专业与技术性内容的开发（8%）。
- 商业策略：业务增长与营收策略制定（8%）。
- 学术研究：辅助教育材料与学术资料开发（7%）。
- 信息核实：对人物、地点或组织进行验证（5%）。
5. 进阶实施技巧（附录）
- 终态评估：针对修改持续状态的任务，应关注最终环境是否达到预期目标，而非纠结于中间的每一步骤。
- 长程对话管理：当上下文接近上限时，引导智能体总结已完成的工作并存入外部存储，通过生成“干净上下文”的新智能体来实现任务接力。
- 文件系统输出：允许子智能体直接将结构化结果（如代码、报告）写入外部文件系统，主导智能体仅传递轻量级引用，以减少“传声筒游戏”中的信息损失和 Token 开销。
**📺播客说明**
本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来怪怪的。如想了解更多信息，请关注微信公众号"西经东译"获取AI最新资讯。如有后续想要听的其他外文播客，也欢迎联系微信：mayday2303。
