你有沒有想過，很多任務其實不是一個 AI 做完，而是一群 AI 分工合作？ 你可以把它想成一個小團隊，每個代理各做一件事，再透過溝通把結果拼起來。 當任務太大、太雜、或需要多個角色配合時，多代理系統會比單一大型模型更有彈性。 這也讓它很適合先拿到可用答案，再慢慢把精度往上推。
容易混淆
多代理系統 vs 單一代理 多代理系統：多個角色分工、互相協調 單一代理：一個角色把所有事都做完 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
多代理系統 vs 分散式系統 多代理系統：重點是自主決策與協作 分散式系統：重點是資源分散和運算擴充 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
記住這句就好
多代理不是多台機器，而是多個會分工的決策者。
實際案例
客服工作流 一個代理負責收集問題，一個負責查文件，一個負責產生回覆，最後再由協調者整合。
自動交易團隊 不同代理分別看新聞、技術指標、風險控管，再共同決定要不要下單。
算法與應用
多代理系統關鍵在協調，沒有協調就會重工、衝突，甚至互相打架。 常見設計包括中心協調、黑板架構、投票機制、以及角色分工。 做得好時，它能把複雜任務拆小，讓每個代理專心處理自己的子問題。
情境判斷
Q1（直覺題）： 一個系統要同時做規劃、查資料、寫摘要，最像哪種架構？
多代理系統，因為每個步驟可以交給不同代理處理。
Q2（判斷題）： 如果代理很多，但總是重複查同一份資料，問題通常出在哪裡？
協調設計太弱，可能缺少共享記憶、任務拆分，或結果去重機制。
常見問題
多代理系統一定比單一模型強嗎？
不一定。任務簡單時，單一模型更便宜也更穩定。
它最大的風險是什麼？
溝通成本和衝突管理，代理越多越容易失控。
適合什麼場景？
適合工作流長、步驟多、而且每一步能力需求不同的任務。