本文探讨了在人工智能领域中，是否应该使用多智能体系统的问题。文章对比了Anthropic和Cognition两家公司的观点，前者认为多智能体系统能通过集体智慧提升效率，后者则担忧其上下文不一致可能导致信息割裂。文章将此比作人类运营公司的选择，强调了协作的复杂性，并指出多智能体系统可能成为AI在Scaling Law放缓后的新发展方向。文章最后强调，软件工程应关注持续迭代而非追求完美。

🧠 **核心争议：** 文章的核心争议在于多智能体系统中的上下文处理。Anthropic认为共享上下文能提升信息处理效率，而Cognition则担心上下文不一致会导致信息失真和矛盾。

💡 **Anthropic的观点：** Anthropic 认为，多智能体系统类似于公司，多个智能体分工合作，各自研究汇报，最终由“老板”整合。这种方式能利用集体智慧，减少单一路径依赖，提高整体效率。

🙅 **Cognition的观点：** Cognition 认为，多智能体系统可能导致信息割裂，智能体间的沟通不足可能产生矛盾结果。他们更倾向于个体智能体的完整性和高效性。

🏢 **类比公司运营：** 作者将多智能体系统的选择类比为公司运营模式的选择：一人公司沟通高效但能力有限，多人公司协作复杂但产出潜力更大。多智能体系统的设计难度类似于此。

🌱 **未来展望：** 文章认为，多智能体的集体智慧可能成为AI在Scaling Law放缓后，实现指数级发展的关键。同时，强调软件工程应持续迭代，而非追求完美上下文管理。

今天很有趣，两家知名的公司各出了一篇文章，争论要不要使用多智能体系统。

Claude 的官方 Anthropic ：如何构建多智能体系统
Devin 的官方 Cognition ：不要构建多智能体系统

这核心的争议点在于：Context 上下文到底应该共享还是分开？

Claude 这边的观点是，搜索信息的本质是压缩，单个智能体的上下文有限，面对无限的信息，压缩比太大就会失真。
这就好比一个老板能力再强，也不可能搞定所有的事情，还是需要雇人去解决。
通过多智能体系统，老板让不同的智能体分别研究、汇报重点，老板最后整合到一起。由于每个智能体有自己的专长，具有多样性，减少了单一路径依赖现象，实际效果上，多智能体也超过但智能体 90%。

这是集体智慧，一起协作获得的胜利。

Devin 这边的观点是，多个智能体的上下文不一致，会导致信息割裂、误解、他们汇报给老板的信息经常充满了矛盾。
而且很多时候，智能体的每一步行动都是依赖前一个步骤产生的结果，而多智能体通常分别跟老板沟通，互相之间缺乏沟通，这样很容易导致互相矛盾的结果。
这体现出了个体智慧的完整性和高效性。

两边观点看下来，是否使用多智能体架构，特别像是人类运行一家公司的选择。

一人公司还是多人公司？

一人公司，一个人的脑力、体力、时间都是非常有限的。
优点是一人公司的沟通成本为0 ，可以把所有的时间都高效使用。

而多人公司，人越多，沟通成本就越高，管理难度就越大，总体效率下降。
但因为人数多，脑力多，体力多，整体的价值产出也就有可能更多。
多智能体的设计很有难度，这其实很正常，就像运行一家公司一样，很难。
难就难在建立有效协作的系统。
而且 1个人，3个人，10个人，100人，1000人，所需要的协作系统又不大相同。

参考人类历史，依靠集体智慧，人类在近代获得了文明的指数级发展。
多智能体的集体智慧，也许就是在 Scaling Law 逐渐放缓后，AI 获得指数级发展的那个萌芽。

而关于上下文，人类的协作至今也无法做到完美的上下文管理。

这让我想到，软件工程从来不是追求完美，而是持续迭代。