Anthropic 称单个 Agent 往往优于多子 Agent，并发布迁移套件

Anthropic 发现，单个具备按需上下文的智能体在质量、成本和延迟方面常常优于多智能体方案。该公司正在发布一套迁移工具包，帮助团队评估并完成切换。

Anthropic 建议企业评估是否可以整合子智能体，因为单个按需加载上下文的主智能体往往比一群专门化智能体带来更好的效果。从 Opus 4.5 开始，以及 Opus 5.5 和 Fable 5.1 等更新的模型，可以在单个循环中直接管理复杂的计划，这也能降低成本和等待时间。Anthropic 表示，在一次对比中，单智能体架构的运行速度约为多智能体方案的两倍。

这一建议来自多个企业部署的实战经验，Anthropic 的应用 AI 团队在其中发现，使用所谓技能的单个智能体在质量上经常胜过单体提示设计和子智能体方案。例如，某家公司在面向客户的智能体中部署了十几个专门化子智能体，这导致难以保持一致的品牌体验，高延迟也损害了可用性。

模型现在可以自己完成大部分编排工作

据 Anthropic 称，许多智能体设计遵循一种熟悉的模式：意图检测、固定的处理流水线、用户分群、独立的推荐分支，以及位于顶层的编排器。其中大部分工作，模型现在可以针对相应用例自行处理。

Anthropic 将其称为智能体界的“康威定律”。架构变成了组织结构图的复制品，每个团队都发布自己的子智能体，直到数百个相互重叠的智能体堆积起来，且没有共同的标准。随之而来的是 Anthropic 所称的“弗兰肯提示”（Frankenprompt）：每个团队都往系统提示里添加规则，最终彼此矛盾。该公司表示，一个干净的系统提示、四五个精简的数据工具，以及固定的输出护栏，就能覆盖相应用例的大部分需求。

举个例子，Anthropic 将新版模型的 Claude Code 系统提示削减了 80% 以上，部分原因是技能和工具现在只在需要时才加载。新模型还会对自身进展发表评论并检查自己的工作，这可以让一些额外的控制层变得不再必要。

Anthropic 表示，在以下情况下子智能体仍然有意义：单个智能体的上下文窗口出现可衡量的性能下降、多个任务需要以各自独立的上下文窗口并行运行，或单个智能体在工具选择上遇到困难。

为了提供分步迁移指导，Anthropic 在 GitHub 上发布了一个迁移工具包，引导团队完成一套工作流，以识别现有模式、评估替代方案并验证最佳路径。Anthropic 警告不要盲目合并：在一次针对客服智能体的测试中，合并某个子智能体虽然降低了延迟，却破坏了原本正常运行的流程。主智能体开始自行作答，而不是咨询正确的专家。

团队应防止技能库过度膨胀

Anthropic 建议不要为每个团队配备各自的智能体，而是将工作流打包成 技能，并通过 工具搜索 按需加载工具。应由一个小型中央团队负责系统提示词和整体质量。另外，Anthropic 指出，当工具定义超过 30 到 50 个时，模型的工具选择能力往往会下降，因此每个团队应指定专人维护技能库，防止其不断膨胀。

对于指南、产品规格或指标定义等参考资料，Anthropic 建议使用知识库，智能体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词。

Anthropic 的发现与近期研究结论一致。Vals 的 一项研究 发现，智能体团队可以比单个智能体更快，但并不能带来更高的质量。该研究显示，智能体数量从 10 个扩展到 30 个或 100 个并未带来质量提升，反而显著增加了成本。OpenAI 开发者 Eric Provencher 也质疑过智能体集群的价值，称其"几乎肯定"是浪费钱。

没有炒作的 AI 新闻 – 由人工精选

订阅 THE DECODER，享受无广告阅读、每周 AI 新闻通讯、每年六期的独家 "AI Radar" 前沿报告、完整档案访问权限以及评论区访问权限。