单Agent拆多智能体三次翻车实录，结构化契约、写死逻辑与可观测性成三大铁律

一家中型律所曾对一个合同审核Agent拍案叫绝——简单保密协议十分钟审完，效率远超实习生。但上线两周后，客户紧急致电投诉：一份含多方主体、对赌条款与知识产权交叉授权的投资协议，系统输出的结论“一坨自相矛盾的东西”，根本无法用于合伙人汇报。

问题并非模型能力不足，而是单Agent被赋予了过重职责：识别类型、提取条款、比对法规、评估风险、生成意见——五项任务串联，每步误差叠加，最终质量崩塌。这成为团队转向多智能体架构的直接动因。

图1清晰对比了两种模式：单Agent如一人身兼数职，环节耦合导致任一错误被放大；多Agent则按职能拆解为分类、提取、风控、报告四个角色，理论上可隔离错误、独立优化。然而，理想与现实之间横亘着三道深坑。

第一次翻车：Agent之间“打架”

拆分后的四智能体上线不久，出现诡异现象：风控Agent明确标注“高风险”，报告Agent却在终稿中写为“中等”。排查发现，报告Agent接收的上下文长达数千字，注意力漂移后自行脑补出更温和结论。根源在于Agent间传递的是自由文本而非结构化数据。

解决方案是引入结构化契约——每个Agent输出必须为JSON格式，仅暴露下游所需字段，其余内容屏蔽。这一做法本质上复刻了传统系统间的API接口设计原则：接口定义清晰、输入输出可控，避免语义歧义。

第二次翻车：“编排者”自身成最大不稳定源

第二版引入总控Agent（Planner）作为调度中枢，负责判断任务流向与是否重试。结果该角色频频误判：将租赁合同错入投资协议流程；本该打回重审的风险项被“差不多得了”放行。一旦Planner出错，整条链路全盘偏移。

团队最终意识到：该写死的逻辑绝不交给LLM。合同分类等确定性环节改用微调小模型+规则兜底，稳定性从82%跃升至97%。编排逻辑中，仅保留真正需灵活推理的节点使用大模型，其余以if-else硬编码实现。这并非否定AI价值，而是明确其适用边界——AI擅长模糊决策，代码擅长确定执行。

图2直观呈现三类故障：Agent间冲突、Planner逻辑摇摆、调试如开盲盒。其中“调试地狱”尤为典型：一次风控Agent偶发漏检风险条款，耗时两天才定位到根源——上游提取Agent在特定表格格式下丢失两行数据，导致下游缺失关键信息。

第三次翻车：调试如开盲盒

单Agent出错时，Prompt与输出对照即可快速归因；多智能体则需逐层排查：是某Agent自身缺陷？上游输入污染？Prompt失效？知识库召回失败？抑或模型能力瓶颈？没有完整日志链，Debug即盲盒。

教训是：可观测性必须从第一天做起。每个Agent的输入、输出、工具调用、耗时、错误码均需记录，形成可追溯的执行轨迹。这不仅是运维需求，更是质量控制的基础——唯有可见，才能可控。

上述经验并非孤例。2026年10月，Anthropic在企业智能体架构讨论中指出：子代理的引入应基于任务本身的信息需求与执行边界，而非简单照搬组织架构。例如客户询问“订单未发货能否改地址”，虽涉及订单、仓储、物流、售后四部门，但核心是同一笔业务、同一用户、同一目标，更适合由主循环协调工具调用，而非拆为四个独立Agent。强行拆分反而增加交接成本，且易遗漏关键状态（如物流实时承运信息），导致结论失真。

行业实践中，多智能体落地已分化出不同路径。迈富时Marketingforce的Data Agent选择第三条路线：先构建企业业务语义图谱，再让多智能体在图谱边界内运行分析。这种“底座重构”模式下，口径稳定、结论可追、新增分析无需重做宽表，但前期投入巨大。相较之下，依赖NL2SQL+宽表的路线交付快，却在跨表关联与口径变更时暴露脆弱性；而指标语义层路线则以治理深度换准确率，适合已有成熟指标体系的企业。

值得注意的是，多智能体并非万能解药，其核心价值不在于提升AI“智力”，而在于将大的不确定性分解为多个可管理的小不确定性。通过拆解、隔离与质检，系统错误变得可预测、可定位、可修复——这与传统软件工程中的微服务拆分逻辑高度一致：过去拆的是代码模块，如今拆的是AI的“认知单元”。

实际部署中，还需警惕常见误区。例如，操作类任务（如修改订单地址）即使分析并行，最终写入仍应回到受控业务接口，由其校验状态、权限与重复提交；主循环收到“已调用工具”不能等同于“操作成功”，结论必须来自业务回执。又如，输入与分支完全固定的流程（如供应商材料初筛），应优先采用确定性规则，仅在必要环节引入模型。

图3展示了一个基础智能体交互界面：它能调用天气工具、添加待办事项，并支持多轮记忆。这类轻量级应用尚可单Agent胜任；但当任务复杂度跨越临界点——涉及多主体、强约束、高一致性要求时，单Agent的“全能幻觉”必然破灭。

三次翻车最终凝练为三条工程铁律：Agent间传递必须结构化，杜绝大段自由文本；编排逻辑中确定性部分坚决写死，仅保留必要灵活性；可观测性不是附加功能，而是系统基石。这些原则背后，是对AI系统本质的重新认知：它不是拟人化的“员工”，而是一套需严谨工程化设计的认知流水线。

多智能体的成熟，不取决于模型参数规模，而取决于我们能否像搭建企业组织一样，为其设计清晰的职责边界、可靠的协作协议与透明的质量反馈机制。