主题
面试速答（先看这里）
**一句话结论：**优先使用单 Agent 。
60秒标准回答：
肯定是优先使用单Agent！！！
（我面试的时候，遇到用了多智能体的，我都会问，一开始就是多智能体吗？如果回答是的话，那一般情况下就没啥好继续问的了）
优先使用单 Agent 。因为很多看似复杂的任务，通过给单 Agent 配备丰富的工具和清晰的 Prompt 就能完成。盲目拆分多 Agent 会导致上下文在传递过程中丢失关键信息，且调试链路极其困难
**答题顺序：**结论 → 原理/机制 → 关键流程 → 场景与取舍 → 易错点
回答主线：
- 要点1：（我面试的时候，遇到用了多智能体的，我都会问，一开始就是多智能体吗？
- 要点2：（ “奥卡姆剃刀原则”：不要为了简单问题去增加不必要的复杂性。
- **要点3：**其实大多数任务，用单智能体就能解决了，不行的话就上更牛逼的模型就行了。
- **要点4：**那什么时候考虑用多智能体呢？
**记忆锚点：**Agent → 单一领域/无冲突任务 → 的话就上更牛逼的模型 → Supervisor → 会导致上下文在传递 → 异步且超长期的并发
易错提醒：
- （ “奥卡姆剃刀原则”：不要为了简单问题去增加不必要的复杂性。
- 角色分离： 例如代码生成和代码审查需要完全独立的评判视角，放在同一个 Agent 里容易产生“自己审自己”的逻辑冲突。
加分表达：
- 如果回答是的话，那一般情况下就没啥好继续问的了） 优先使用单 Agent 。
- 盲目拆分多 Agent 会导致上下文在传递过程中丢失关键信息，且调试链路极其困难。
- 低延迟与成本敏感：如果用户期望响应时间在几秒以内，或者对每次调用的 Token 成本非常在意，单 Agent 配合良好的提示词工程和工具调用是最佳选择。
追问准备：
- （我面试的时候，遇到用了多智能体的，我都会问，一开始就是多智能体吗？
- 那什么时候考虑用多智能体呢？
典型回答
肯定是优先使用单Agent！！！
（我面试的时候，遇到用了多智能体的，我都会问，一开始就是多智能体吗？如果回答是的话，那一般情况下就没啥好继续问的了）
优先使用单 Agent。因为很多看似复杂的任务，通过给单 Agent 配备丰富的工具和清晰的 Prompt 就能完成。盲目拆分多 Agent 会导致上下文在传递过程中丢失关键信息，且调试链路极其困难。
（“奥卡姆剃刀原则”：不要为了简单问题去增加不必要的复杂性。）
其实大多数任务，用单智能体就能解决了，不行的话就上更牛逼的模型就行了。尤其是：
- 线性流式任务：步骤固定且串行，例如“读取 PDF -> 提取数据 -> 翻译 -> 发送邮件”。这类任务没有分歧和辩论的必要，引入多 Agent 只会徒增网络延迟。
- 单一领域/无冲突任务：例如单纯的 NL2SQL（自然语言转数据库查询）或私有文档问答（RAG），不需要跨学科知识，也不需要自我怀疑和回溯。
- 低延迟与成本敏感：如果用户期望响应时间在几秒以内，或者对每次调用的 Token 成本非常在意，单 Agent 配合良好的提示词工程和工具调用是最佳选择。
那什么时候考虑用多智能体呢？如果以下情况至少出现2个了，就可以考虑拆分了。
- 角色分离： 例如代码生成和代码审查需要完全独立的评判视角，放在同一个 Agent 里容易产生“自己审自己”的逻辑冲突。
- 工具集差异大： 某些任务需要浏览器上网，另一些需要操作内部沙箱，工具完全不重叠且数量过多时，合并会导致模型选错工具的概率飙升。
- 并行收益明显： 多个子任务可以同时进行（如一边搜索信息一边起草大纲），拆分 Agent 能显著缩短端到端的延迟。
- 超长流程或复杂状态管理：例如全自动修 Bug。AI 需要经历“探索代码 -> 尝试修改 -> 运行报错 -> 回滚 -> 尝试新方案”的漫长过程。单 Agent 容易在几十步操作后迷失在庞大的上下文中“钻牛角尖”，而多 Agent 可以让 Supervisor掌控全局，随时打断并强制回滚。
- 异步且超长期的并发任务：例如拥有上百个 NPC 的 AI 模拟沙盒。每个角色都有独立的记忆、日程和目标，单 Agent 根本无法维护如此庞大的分布式状态机。