---
title: "多代理系統（Multi-Agent System）"
slug: multi-agent-system
language: zh-TW
source: https://aiterms.tw/terms/multi-agent-system
updated_at: 2026-04-29
tags: [AI Agent, AI應用, 機器學習, 推薦系統, 最佳化]
ipas_term: false
---

# 多代理系統（Multi-Agent System）

> **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

> **Q：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。
>
> **Q：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。
>
> **Q：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。
>
### 相關術語

> - **AI 代理**：多代理系統就是把單一代理擴成團隊。
> - **自主系統**：代理能自己做決策，這是它的基礎。
> - **對話系統**：很多對話式工作流會借用多代理設計。
> - **規劃**：代理之間要先分工，規劃是核心。
> - **強化學習**：有些代理會用學習方式優化協作策略。

---

來源：https://aiterms.tw/terms/multi-agent-system
快查頁：https://aiterms.tw/terms/multi-agent-system
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-multi-agent-system