Anthropic 称单智能体在质量、成本和延迟上优于多子智能体架构

Anthropic 发现，单个具备按需上下文能力的代理在质量、成本和延迟方面通常优于多代理设置。该公司正在发布迁移工具包，以帮助团队评估和进行转换。

Anthropic 建议公司评估是否可以将子代理合并，因为按需加载上下文的单个主要代理通常比一群专业代理能提供更好的结果。从 Opus 4.5 开始的新模型，以及 Opus 5.5 和 Fable 5.1，可以直接在一个循环中管理复杂计划，这也可以降低成本和等待时间。在一项比较中，Anthropic 表示单代理架构的速度大约是多代理设置的 twice as fast。

这一建议来自多个 企业部署 的实际经验，其中 Anthropic 的应用人工智能团队发现，使用所谓技能的单个代理在质量上经常优于单体提示设计和子代理设置。例如，一家公司在其面向客户的代理中有十几个专门的子代理，这使得保持一致的品牌体验变得困难，并因高延迟而影响可用性。

该模型现在可以自己完成大部分的编排工作

根据 Anthropic 的说法，许多代理设计遵循一个熟悉的模式，包括意图检测、固定的处理管道、用户细分、单独的推荐分支，以及位于顶部的编排器。其中许多工作，模型现在可以针对相应的用例自行处理。

Anthropic 将其称为代理的“康威定律”。架构成为组织图表的副本，每个团队都会发布自己的子代理，直到数百个重叠的代理堆积起来，没有任何共享的标准。随之而来的是 Anthropic 所谓的“Frankenprompt”，每个团队都在系统提示中添加规则，最终导致相互矛盾。根据公司的说法，一个干净的系统提示、四个或五个精简的数据工具和固定的输出护栏可以覆盖大部分相应的用例。

作为其中一个例子，Anthropic 将Claude Code系统提示语为更新的模型减少了超过80%，部分原因是技能和工具现在仅在需要时才加载。更新的模型还会评论自己的进度并检查自己的工作，这使得一些额外的控制层变得不必要。

Anthropic 表示，当单个代理的上下文窗口显示可衡量的性能下降时，当多个任务需要在不同的上下文窗口中并行运行时，或者当单个代理在工具选择方面遇到困难时，子代理仍然是有意义的。

为了逐步迁移，Anthropic 在 GitHub 上发布了一个 迁移工具包，指导团队通过工作流程识别现有模式、评估替代方案并验证最佳方法。Anthropic 警告不要盲目合并，因为在一次使用支持代理的测试中，合并子代理确实减少了延迟，但破坏了之前正常的工作流程。主要代理开始自行回答，而不是咨询正确的专家。

团队应保持技能库不蔓延

与其给每个团队分配独立的代理，Anthropic 建议将工作流打包成 技能，并通过 工具搜索 按需加载工具。一个小型中央团队应负责系统提示和整体质量。另外，Anthropic 指出，当工具定义超过 30 到 50 个时，模型的工具选择质量往往会下降，因此每个团队应指定负责人维护技能库，以防止其膨胀。

对于指南、产品规格或指标定义等参考材料，Anthropic 建议使用知识库，代理仅在需要时通过搜索工具查询。这类信息也可以作为参考文件嵌入到技能中。Anthropic 建议不要 通过代码获取上下文并将其直接注入提示。

Anthropic 的发现与最近的研究结果一致。一项由 Vals 进行的 研究 发现，代理团队可能比单个代理更快，但不会提供更高的质量。该研究表明，从 10 个扩展到 30 个或 100 个代理并没有带来质量提升，但显著增加了成本。OpenAI 开发者 Eric Provencher 也对代理群的价值提出了质疑，称它们几乎肯定是浪费钱。

AI 新闻无浮夸之谈 – 由人类编辑

订阅 THE DECODER 以获得无广告阅读、每周 AI 新闻简报、我们独有的每年六次发布的 "AI 雷达" 前沿报告、完整档案访问权限以及访问我们的评论区。