角色分工

多 Agent 不是越多越好 演示视频里「研究员、写手、审校、编辑」四个 Agent 接力写文章，酷炫得很。但落地时第一感受往往是：人多了，幻觉也多了。每个 Agent 都可能在编，上一个编的东西被下一个当真，几轮交接下来，错误像滚雪球。多智能体协作的价值不是「让 AI 像团队一样干活」，而是把一个模糊任务按能力切分，让每个角色只干自己擅长的那一段。切不好，就是五个模型互相复述。 CrewAI 的正确切法 CrewAI 的核心抽象是三样东西：Agent（带 role、goal、backstory）、Task（带 description、expected_output）、Crew（定义流程顺序）。最小可用结构不是五人团，而是两人团：一个执行 Agent 干活，一个审校 Agent 挑错，流程用 sequential 模式串起来。 设计项 常见错误 正确做法 角色数量 一上来 5 个角色 先 2 个，验证再加 expected_output 不写，让模型自由发挥 写清格式、字数、必含字段 流程 全开 hierarchical 顺序 sequential，减少协调开销 工具 每个 Agent 挂一堆 只挂当前任务必需的 1-2 个 三个踩坑实录 第一，死循环与互相甩锅：两个 Agent 都带「再检查一遍」的倾向，会互相把球踢回去直到撞 max_iter。解法是给每个 Task 设明确的 max_iter（CrewAI 里默认 20，建议生产压到 5-8），并在 expected_output 里写死「输出即终止」。第二，交接信息丢失：上一个 Agent 的长输出被截断喂给下一个，关键结论丢了。解法是在 Task 之间要求结构化中间产物（JSON、清单），而不是自由文本。第三，成本爆炸：多 Agent 每多一环就多一轮完整 LLM 调用，一篇文章五人团可能烧掉单 Agent 五倍的 token。先用单 Agent 跑通，确认单 Agent 真的搞不定，再拆角色——这是省钱的铁律。 ...