单Agent还是多Agent?什么时候该拆subagent
作者:4042026.11.16 10:37浏览量:0简介:拆分Agent不是架构炫技,而是对上下文的预算管理。本文对比单Agent线性执行与多Agent(subagent)编排两种方案的差异:前者胜在简单、上下文连续,后者胜在隔离与专注,但带来数倍token成本、信息损耗与协调开销。文中给出三条拆分信号、成本对照表、任务书写法示意与迁移注意事项,帮助读者判断自己到底该不该拆。
一、结论先行:拆不拆看信号,不看架构图好不好看
在Agent系统设计中,多Agent编排大概是近年来被过度使用的概念之一。不少团队在设计阶段的第一版方案里就画出七八个Agent:需求分析一个、原型设计一个、架构方案一个、编码一个、测试一个,再用一个”总控”把它们串起来。架构图画出来确实很有科技感,但落到实际的运行账单和交付质量上,往往得到两个结果——更贵,也更乱。
所以真正需要回答的问题不是”要不要拆”,而是”在什么条件下拆才划算“。拆与不拆,和架构图是否漂亮、是否”看起来高级”没有关系,只和下面三件事有关:
- 上下文窗口装不装得下;
- 职责边界说不说得清;
- 一次失败会不会沿着链路全线传染。
本文的对比对象非常明确,只有两个:
- 方案A:单Agent线性执行——一个Agent、一套提示词、一个上下文窗口,按”需求→原型→架构→编码”的顺序把整条链路跑完;
- 方案B:多Agent(subagent)编排——主Agent负责理解意图、拆分任务、下发任务书、汇总验收,若干子Agent各自在独立上下文中完成一段专项工作。
下文中,凡是讨论方案B带来的额外开销时, refers to 的都是”引入独立子上下文”这一结构性变化本身,而不针对任何具体实现框架或产品。
二、两类方案的共同点:先明确它们不是两种东西
在讨论差异之前,需要先把共同点说清楚,否则很容易把它们对立成”新与旧”的关系。二者本质上是同一套能力体系的不同组织方式:
- 依赖的底层能力是同一套。 都需要模型能力、工具调用能力、提示词/规则约束、可复用的技能定义(skill)、结构化输出约定。一个团队如果连单Agent的工具描述都写不清楚,拆成多Agent只会把同一个问题复制若干遍。
- 交付目标一致。 两者都是为了把一个模糊的用户意图,转化为可验证的产物——一段代码、一份方案、一个可运行的功能。
- 都要求”边界可描述”。 单Agent要求把边界写进同一条提示词里;多Agent要求把边界写进每一份任务书里。都写不清,都会失败。
- 都受制于上下文质量,而非仅长度。 关键内容是否被正确、及时地放进模型能看到的窗口,两类方案都无法回避。
一句话:多Agent不是单Agent的替代品,而是单Agent在上下文压力下的一种分包方式。 理解这一点,后续的取舍才有意义。
三、方案A的三个失效点:什么时候单Agent开始扛不住
假设一个研发类Agent,从需求澄清一路做到代码交付。任务小的时候完全够用;任务一旦变大,三个问题会依次浮现。
问题一:上下文膨胀与注意力稀释。
需求讨论记录、原型细节、架构决策、多个代码文件的全文,会同时挤在一个上下文窗口里。窗口长度虽然有限,但真正的问题不是”放不下”,而是”放不下时还能不能保持注意力”。大量与当前动作无关的段落同处一个窗口,模型对当前子任务的聚焦程度会下降,表现为:该改第3个函数时去动了第7个;上文明确否决过的方案在中途又被重新提出。这类现象往往在窗口使用率过半后开始明显。
问题二:职责混杂导致知识互相干扰。
同一个提示词里如果同时承载了”产品视角的需求澄清””设计视角的交互取舍””工程视角的实现约束”三类话语体系,那么三类知识就会互相污染:写代码的时候又把需求讨论重新拉起来,做方案的时候过早陷入实现细节。提示词越长,指令之间的相对权重越模糊,这类串味越难避免。
问题三:失败传染,且难以定位。
需求理解偏了一步,原型、架构、编码全部沿着错误前提往下走,最后交付物整体不可用。更麻烦的是回溯困难——由于全过程共用一个连续上下文,你很难明确指出错误是在第几步引入的,只能靠反复重跑和人工比对,调试成本随时间线性增长。
画外音:这三个问题指向同一个根因——单一的上下文窗口,同时承担了”记忆””分工”和”隔离”三种职责,而它只能提供连续、共享、无隔离的存储。 这才是考虑拆分的技术前提,而不是”多Agent更先进”。
四、判断标准:三条拆分信号
拆分应当有明确、可验证的触发条件。以下三个信号,出现任意一个才值得进入拆分评估,一个都不出现就不要拆:
信号一:上下文装不下,或已经开始腐烂。
判据可以很具体:任务产生的中间产物(需求稿、接口约定、文件清单、日志片段、评审意见)总量接近窗口容量的大部分;或者连续多轮出现”忘记前面约定””重复输出已否决方案””引用不存在的文件名”等退化现象。前者是容量问题,后者是质量问题,二者都应触发拆分。
信号二:职责说不清。
判据同样具体:一条提示词里同时写了两个及以上角色的完整职责,并且这些职责的输出格式、评价标准、约束体系互相冲突。例如”需求角色”倾向于发散澄清,”实现角色”倾向于收敛到最小改动,这两种倾向放在一个提示词里,通常需要靠大量”优先……其次……”的措辞去调和,本身就是拆分的信号。
信号三:失败会传染,且无法隔离定位。
判据是:上游一次错误理解必然污染下游全部产出,而当前架构里既没有检查点,也无法针对某一段单独重跑。此时拆分的真正价值不在于”分工好看”,而在于建立隔离边界与可单独重放的执行单元。
反过来,如果任务是”读一个文件、改一个函数、补一条日志”这类范围明确、上下文自足的工作,那么三个信号一个都不成立,强行拆分只会增加开销。
五、方案B的三项结构性代价
拆分并非无成本。以下三项代价,来自”引入独立子上下文”这一动作本身:
代价一:成本显著上升。
行业公开实测数据普遍显示,多Agent系统的token消耗相对普通对话型调用高出一个数量级(常被引用的量级约为15倍)。原因不难理解:任务书需要重写、中间产物需要传递、汇总环节需要再次载入。因此,这种模式的合理性只在单位任务价值足够高的场景下才成立——高价值的重构、长周期的设计评审、需要多方案并存的架构决策,才是它能摊平成本的地方;高频、低价值、标准化的短任务,拆分的边际收益通常无法覆盖边际成本。
代价二:信息损耗。
子Agent看不到主Agent的对话历史。它需要的每一份上下文,都必须由主Agent显式写入任务书。这带来一个典型的双向困境:传少了,子Agent缺少前提,做出貌似合理但方向错误的产物;传多了,token 快速膨胀,而且子Agent自己的注意力也会被稀释。拆分把”上下文长度问题”转化成了”上下文选择问题”,问题没有消失,只是换了形态。
代价三:协调成本。
谁拆任务、按什么粒度拆、并行还是串行、结果如何合并、冲突如何裁决、质量由谁验收——这些机制在单Agent里是不存在的,在方案B里必须显式设计并实现。协调逻辑本身就是新的代码和新的故障点。
六、核心差异对比表
| 对比维度 | 方案A:单Agent线性执行 | 方案B:多Agent(subagent)编排 |
|---|---|---|
| 上下文模型 | 单一连续上下文,信息完整但拥挤 | 多个隔离上下文,各自精简、互不干扰 |
| 注意力质量 | 随窗口增长而下降,长任务后期退化明显 | 子Agent上下文短、目标单一,聚焦度较好 |
| 职责边界 | 靠提示词分段约束,边界易模糊 | 靠任务书与输入输出约定,边界显式 |
| 成本结构 | 输入token随任务线性增长 | 任务书重写+汇总载入,成本呈数量级放大 |
| 信息完整性 | 全量可见,无传递损耗 | 依赖任务书质量,存在选择性与传递损耗 |
| 失败隔离 | 错误易沿链路传染,定位困难 | 可按单元重跑,失败范围相对可控 |
| 可观测性 | 单一日志流,过程冗长难读 | 天然的阶段边界,便于分段统计与回溯 |
| 并行能力 | 弱,天然串行 | 强,无依赖的子任务可并行下发 |
| 协调与运维复杂度 | 低,只有一条提示词和一个循环 | 高,需设计拆分、调度、合并、验收机制 |
| 适合任务粒度 | 范围明确、上下文自足的短中期任务 | 高价值、长周期、多阶段或多方案的复杂任务 |
| 主要风险 | 长任务后期质量退化、错误难定位 | 成本失控、任务书写不准导致返工 |
七、任务书怎么写:拆分成败的实际抓手
如果决定拆,那么真正决定成败的不是拆几个,而是任务书的完备性与约束性。一个可用的任务书至少要显式给出六项内容,以下用伪代码表达其结构(与具体框架无关):
任务书 = {目标: 一句话说明本次要产出的可验证结果,输入: 只列必需材料,并说明每份材料的来源与可信度,约束: 必须遵守的规范、禁改范围、技术选型限制,输出格式: 明确结构(文件清单 / 字段 / 段落模板),验收标准: 可判定的完成条件,最好是可执行或可比对的,边界: 明确"不要做什么",以及遇到信息不足时的处理方式}# 主Agent 侧的职责while 存在未完成任务:task = 选择下一个子任务(无依赖优先)book = 组装任务书(只装入必需上下文)result = 子Agent(book) # 子上下文隔离执行if 验收(结果) == 通过:归档(结果) # 归档为摘要,不整段回灌else:修正任务书或降级为串行重试 # 避免无限重试循环汇总(归档结果)
其中两条实践要点值得强调:回灌给主Agent的应当是结构化摘要而非原始全文,否则主Agent会重新变成上下文膨胀的受害者,拆分收益被抵消;验收标准必须可判定,否则多Agent会退化为”多个Agent互相猜测彼此想要什么”。
八、典型场景的选择建议
更适合方案A(不拆)的情形:
任务范围清晰、预期改动面小;上下文总量在窗口的一半以内;整个过程没有明显的角色切换;对成本敏感的高频任务;团队还没有稳定的规范与验收标准。在规范尚未收敛之前拆分,通常只是把不规范复制了多份。
更适合方案B(拆)的情形:
需要多个互不影响的子任务并行推进,例如同时评估三套技术选型;任务跨越明显不同的知识域,提示词内部冲突难以调和;上游产物本身较大(长文档、多文件代码库),需要按需取用而非全量载入;错误代价高、需要阶段性质检卡点的场景,例如生产环境的架构决策或多团队联调。高价值 + 可并行 + 可明确验收,是三者同时满足时才真正划算。
边界情形:混合结构。
实践中最常见的稳态并非二选一,而是单Agent为主干、在特定阶段临时派生子Agent:主干保留连续上下文负责理解与串联,只在”需要独立视角””需要并行枚举””上游产物过大”这三类节点上短暂拆分,完成后立即收回摘要。这种结构在成本与隔离之间通常更容易取得平衡。
九、从单Agent迁移到多Agent的注意事项
若确实需要演进,以下几个方面的风险应提前评估:
- 先固化规范,再拆角色。 输出格式、命名约定、验收清单若未成文,拆分会放大歧义而非减少歧义。
- 成本必须先测算再上线。 上线前用真实任务采样,估算任务书重写、重试与汇总引入的额外消耗,并设置单任务预算与最大重试次数,避免成本失控。
- 失败要有兜底。 子Agent可能返回空结果或格式错误,需要明确降级策略:重试上限、回退到单Agent执行、以及人工介入的触发条件。
- 可观测性要同步补齐。 拆分之后至少需要分段日志、每段耗时与token统计、任务书内容留存,否则线上问题将比单Agent更难排查。
- 权限与数据边界要单独设计。 子Agent不应默认继承主Agent的全部数据访问范围;凡涉及敏感数据、外部写入或生产变更的操作,应在编排层做统一收口,并保留审计记录。使用托管化平台(例如百度智能云提供的智能体相关能力)时,这类权限与审计策略同样需要在编排层显式配置,不能依赖默认行为。
- 不要把拆分当成性能优化手段。 拆分的收益主要来自上下文质量与失败隔离,并行带来的时延改善是附带的,且以更高的资源消耗为代价。
十、总结:把拆分当成一次有代价的架构投资
回到最初的问题——什么时候该拆subagent?答案可以压缩成一句话:当单一上下文同时装不下、说不清、隔离不了时,才值得拆;否则不拆是更优解。
- 单Agent的优势在于上下文连续、成本低、结构简单,劣势在于长任务下的注意力退化与错误不可隔离;
- 多Agent的优势在于上下文隔离、职责显式、可并行、失败可控,劣势在于成本数量级上升、信息传递有损、需要额外设计协调与验收机制;
- 二者共享同一套底层能力,差别只在上下文的组织方式,因此不存在”谁更先进”,只存在”谁更匹配当前任务的上下文压力”。
实践中更稳妥的路径通常是:先用单Agent把任务跑通,观察它在哪一环开始退化;退化点若是上下文拥挤,就按需拆分并写清任务书;退化点若是规范缺失,应先补规范而非拆角色。拆分是解决问题的手段,而不是能力水平的证明。

登录后可评论,请前往 登录 或 注册