13. 多 Agent 的价值不是同时运行多个模型

把同一段对话复制给三个模型并同时运行，只是增加了并发模型调用。它没有自动解决任务分解、上下文污染、权限继承和结果冲突。

子 Agent 真正增加的是一条新的委派边界。

一份任务包需要哪些内容

只传“帮我分析日志”，子 Agent 不知道分析范围；复制主会话全部内容，又会把无关信息和权限带入子任务。

上下文隔离减少两类成本

第一类是 Token。子 Agent 只需要与子任务有关的文件和规则，不必重复主会话全部历史。

第二类是认知干扰。主会话中已经放弃的方案、其他模块细节和私人信息不会进入子任务。隔离并不是隐藏必要信息，而是明确选择必要信息。

权限应随委派收缩

主 Agent 可以读写仓库，不表示日志分析子 Agent需要写权限。委派时按任务重新计算动作和资源：

子 Agent 返回“请执行某命令”也不等于已经获得执行许可。主 Agent仍要重新检查动作。

主 Agent要验证结果

子 Agent 输出不是自动成立的事实。主 Agent至少检查：

• 是否使用了指定输入。
• 是否超出任务边界。
• 是否满足输出结构。
• 引用证据是否存在。
• 多个结果是否冲突。

若两个子 Agent给出不同结论，不能用多数票代替证据核对。可能是输入不同，也可能是其中一方遗漏了约束。

哪些任务不适合拆分

短任务、强顺序依赖任务和共享同一可变资源的任务，拆分后通信成本可能超过收益。三个子任务若都需要持续读取彼此最新状态，就已经不是独立委派。

多 Agent实验应测什么

同一任务分别采用单 Agent、完整上下文复制和最小任务包三种方式，比较：

• 总输入 Token。
• 完成时间。
• 重复读取次数。
• 越权动作数量。
• 结果冲突数量。
• 主 Agent验证耗时。

多 Agent的价值应由隔离和并行带来的净收益证明，而不是由界面中出现多少个运行中的模型证明。