文章指出，当前在构建AI代理时，尚未形成统一的标准，类似于早期网页开发使用HTML和CSS的阶段。尽管OpenAI和Microsoft等公司提供了一些基础工具，但整体上仍处于探索阶段。文章强调，未来需要像React在网页开发中那样，形成一套被广泛接受的哲学和模式，以推动AI代理的标准化和高效开发。

标题：认知 | 不要构建多智能体

主要内容：

在构建AI智能体时，作者提出了两个关键原则：共享上下文和行动隐含决策。这些原则对于确保智能体在长时间运行中的可靠性至关重要。作者认为，当前的多智能体架构存在严重缺陷，尤其是在上下文传递和决策一致性方面。

背景与原则：

1. 共享上下文：智能体的每个行动都应基于系统中所有相关决策的上下文。理想情况下，每个行动都能看到所有其他行动的上下文，但由于上下文窗口的限制，实际应用中需要做出权衡。

2. 行动隐含决策：智能体的每个行动都隐含了某些决策，如果这些决策相互冲突，可能会导致不良结果。因此，设计智能体时应避免决策的分散化。

多智能体架构的问题：

作者通过一个“Flappy Bird克隆”任务的例子，展示了多智能体架构的脆弱性。当主智能体将任务分解为多个子任务并分配给不同的子智能体时，子智能体可能会误解任务，导致最终结果不一致。即使共享了上下文，子智能体之间仍然可能因为缺乏对彼此工作的了解而产生冲突。

解决方案：

作者建议采用单线程线性智能体架构，确保上下文的连续性。对于非常复杂的任务，可以引入一个新的LLM模型来压缩历史行动和对话，从而在较长的上下文中保持智能体的有效性。

实际应用：

• Claude Code：该智能体在生成子任务时，子智能体通常只负责回答特定问题，而不是编写代码，以避免上下文冲突。

• 编辑应用模型：在2024年，许多模型在编辑代码时表现不佳，因此开发者使用小型模型来重写整个文件，而不是依赖大型模型生成差异文件。然而，这种方法仍然存在误解释指令的问题。

多智能体的未来：

尽管多智能体协作的长期潜力令人期待，但在2025年，多智能体系统仍然非常脆弱。决策过于分散，上下文无法充分共享。作者认为，随着单线程智能体在与人沟通方面的进步，未来可能会自然解决跨智能体上下文传递的问题。

总结：

作者强调，上下文工程是构建可靠智能体的核心。尽管当前的多智能体架构存在诸多问题，但通过遵循共享上下文和行动隐含决策的原则，开发者可以设计出更加稳定和高效的智能体系统。

评论内容总结：

1. 对AI行业创新的质疑

   • 有评论认为AI行业在重新发现80年代已有的技术，缺乏真正的创新。
   • 引用：“How is this fundamentally any different than Erlang/Elixir concepts of supervisors controlling their child processes?”
   • 引用：“most AI 'engineers' are not really good software engineers; they're often 'vibe engineers' who don't read academic papers on the subject and keep re-inventing the wheel.”

2. 对多代理系统的批评

   • 评论指出多代理系统在实际应用中不可靠，且管理复杂，建议采用单一代理和上下文管理。
   • 引用：“Agents are like really unreliable employees, that you have to supervise, and correct so often that its a waste of time to delegate to them.”
   • 引用：“Single agents with good prompt engineering often outperform elaborate multi-agent orchestrations.”

3. 对上下文管理的讨论

   • 评论强调上下文管理不仅仅是上下文窗口的大小，还涉及信息的过滤和优化。
   • 引用：“context problems start cropping up well before the context window fills up.”
   • 引用：“You shouldn't be passing agents context like messages, they should share a single knowledge store with the parent, and the context optimizer should just optimally pack their context for the task description.”

4. 对代理设计的建议

   • 评论建议代理设计应基于任务需求，区分不同任务的代理，避免混淆。
   • 引用：“It’s much more effective to delegate the search task to a search agent and the coding task to a code agent.”
   • 引用：“Do i need to think differently about this problem? if yes, you need a different agent!”

5. 对AI泡沫的担忧

   • 有评论认为当前AI行业存在泡沫，部分公司过度依赖资本炒作。
   • 引用：“The bubble's gonna pop, and you'll have so much egg on your face.”
   • 引用：“This stuff is just compilers with extra compute and who got rich off compilers? VC people...”

6. 对代理可靠性的讨论

   • 评论指出代理的可靠性是核心问题，清晰的输入输出定义是并行处理的关键。
   • 引用：“The real problem is to get reliability. If you have reliability and clear defined input and output you can easily go parallel.”
   • 引用：“Anecdotally Devin has been one of the worst coding agents I tried, to the point where I didn’t even bother asking for my unused credits to be refunded.”

7. 对代理设计的创新建议

   • 评论提出了一些创新的代理设计思路，如允许代理自我修正和迭代。
   • 引用：“allow the final agent to go back to the subagent and say 'hey, you did the wrong thing, this is what you did wrong, please try again'.”
   • 引用：“Restricting output from a subagent (not allowing arbitrary strings anywhere in the output) seems like a way to minimize the risks of prompt injection attacks.”

总结：评论中对AI行业的多代理系统、上下文管理、代理设计等方面提出了批评和建议，部分评论认为当前AI行业存在泡沫，缺乏真正的创新，而另一些评论则提出了具体的改进思路和设计建议。