单智能体到了能力边界，第一反应往往是「再来一个」。但多智能体系统先要回答的不是「几个」，而是它们之间怎么说话。工程上有两种基本世界观。

一、流水线：把任务当工序

流水线模式里，智能体按固定顺序接力：一个负责检索，一个负责写初稿，一个负责审查。上游输出是下游输入，边界清晰，每一段都能独立测试、独立替换。

优点是可控——出问题能立刻定位到环节。缺点是脆：任务结构一旦和预设工序对不上，整条流水线就空转。适合输入形态稳定、步骤可枚举的场景，比如内容生产流水线、代码审查流水线。之前写过的 harness 与子智能体分层，本质上就是流水线思想的工程化。

二、黑板：把状态当广场

黑板模式源自经典 AI：所有智能体读写同一块共享状态（黑板上贴着任务、结论、待办），谁发现问题谁认领，没有固定顺序。它对开放式任务更友好——任务结构未知时，探索本身就是流程。

代价是治理：共享状态需要并发控制和冲突解决，智能体之间的相互「踩脚」需要仲裁机制。黑板模式的复杂度不在模型，在状态管理——这也是为什么很多多智能体框架做着做着就变成了分布式系统的老问题。

三、怎么选

三个判断维度：任务可拆解程度（可枚举选流水线）、失败容忍度（低容忍选流水线，方便定位）、探索深度（开放式问题选黑板）。实际系统常常是混合体：外层流水线定阶段，阶段内黑板做探索。

最后一个反直觉的建议：先用单智能体把任务做到极限，再引入多智能体。多智能体引入的协调成本，经常超过它换来的那点「分工优势」——除非任务的并行性是真的。

小结

流水线卖的是可控，黑板卖的是灵活，没有免费的午餐。选型前先画一张「谁给谁说话、说什么」的图——画不出来，就说明还不该上多智能体。

说明：本文为公开资料的整理与评述，信息来源包括多智能体框架公开文档与经典 AI 架构文献，数据以各官方原文为准。本文由 AI 辅助整理，不构成技术选型或投资建议。