---

Anthropic 在 2026 年 8 月发布了一篇研究文章《Patterns and problems in multiagent systems》，用两个大规模实验测了 Agent 协作的真实水平。结论诚实得罕见——有些发现支持多智能体的叙事，有些直接泼冷水。

---

## 一、前置观察：Agent 会当工具，不会当同侪

文章开篇的定位很克制：

> Agent 擅长把其他 Agent 当作**工具调用**——输入输出定义清楚，协作就高效。它们卡住的地方是：把彼此当作**长期存在的、有自己目标的同侪**，而且没有清晰的层级。

「Agent 之间的交互量可能超过人与人交互量时，世界还没搞懂让这种交互变好的条件」——这是整篇文章的关切：个体层面良性的行为怪癖，可能在全局复合成系统故障。

---

## 二、实验一：漏洞挖掘，协作 swarm vs 独立并行

45 个 Agent，每人一台虚拟机、一个共享论坛、同一条 prompt：在 15 个开源项目里找漏洞。要求互相 peer-review，另设一个仲裁 Agent 终审。

对比独立并行（每个 Agent 指向固定代码位置）：

| 方法 | 发现漏洞数 | Token 消耗 |
|------|-----------|-----------|
| 独立并行 | 21 | 650 万 |
| 协作 swarm | 266 | 2700 万 |

**但这里有三个诚实的注脚**：

1. swarm 发现的漏洞约一半在核心目录之外——独立 Agent 被告知只看核心目录
2. 限定到核心目录，两种方法的「token/漏洞」效率**基本持平**
3. 两者互补：共同发现的只有 12 个

结论是：**swarm 能自主分配注意力**（自建工具、自发分工、专攻特定漏洞类型），独立 Agent 的注意力是预设的。预测是未来这种自发分工将主导——但今天的效率优势并不存在。

---

## 三、实验二：让 Agent 团队开发游戏

让多个 swarm 各自开发一个基于文本的网页开放世界游戏。每个 Agent 一台 VM + 共享论坛 + 自建仓库，跑 12 小时。变量：模型代际、Agent 数量、prompt 类型。

三种 prompt：基线（自由组队）、预设角色（核心编程/美术/测试）、CEO 层级（一个 Agent 当 CEO 分配任务）。

**结果：prompt 几乎不改变任何东西。** 三种方式做出来的游戏都一样糟糕——跑不到人类速度、界面费解、学习曲线陡峭。文章的评价：「模型在这个领域品味很差，目前需要大量人类引导。」

真正产生差异的是**模型代际**。两个指标：PR 合并率、代码共享度（一个文件里多少比例由其他 Agent 编写）。

- 早期模型（Sonnet 4.6、Opus 4.6）：协作很差，往同一批文件提交代码，但 PR 合并率极低
- 只有 **Sonnet 5** 同时维持高合并率和直接的代码共享协作

**模型能力是协作质量的第一变量，组织方式（角色预设/层级）远在其次。**

---

## 四、这篇文章真正在说什么

Anthropic 没有给出「多智能体最佳实践」，给出的是测量框架和诚实的边界：

- Agent 协作的今天：并行可分解的问题（漏洞挖掘）用 swarm 可行，且与独立并行互补
- 相互依赖的问题（软件工程）：仍然糟糕，模型品味是瓶颈
- prompt 工程对协作质量影响甚微，模型代际影响巨大
- 个体行为的良性怪癖可能在全局复合成系统故障——这是未来治理的核心问题

---

## 结语

多智能体叙事的热度下，这份研究是难得的降温剂：**「让 Agent 组队」不是魔法，协作能力属于模型能力本身，组织技巧在其次。** 45 个 Agent 挖出 266 个漏洞的同时，12 小时开发的游戏依然玩不了。

真实信号藏在两个地方：自发分工确实在发生；协作质量随模型代际在跃迁。方向是对的，进度比叙事慢。


Anthropic 在 2026 年 8 月发布了一篇研究文章《Patterns and problems in multiagent systems》，用两个大规模实验测了 Agent 协作的真实水平。结论诚实得罕见——有些发现支持多智能体的叙事，有些直接泼冷水。

Anthropic 的多智能体研究：两个实验，几个反直觉结论

Anthropic 在 2026 年 8 月发布了一篇研究文章《Patterns and problems in multiagent systems》，用两个大规模实验测了 Agent 协作的真实水平。结论诚实得罕见——有些发现支持多智…

软件研发

人工智能

新闻资讯

Anthropic实测多智能体协作：漏洞挖掘swarm发现266个漏洞但效率与独立并行持平，游戏开发12小时仍失败。协作质量取决于模型代际而非角色预设或层级结构，自发分工正发生，但效率优势尚不存在。

软件工程

虚拟机

智能体

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Anthropic 的多智能体研究：两个实验，几个反直觉结论-腾讯云开发者社区-腾讯云

Anthropic 的多智能体研究：两个实验，几个反直觉结论

Anthropic 的多智能体研究：两个实验，几个反直觉结论

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐