多 agent 正确拆分方式：别按角色，按上下文 -《Building multi-agent systems: when and how to use them》② - 多 agent 正确拆分方式：别按角色，按上下文 -《Building multi-agent systems: when and how to use them》②_哔哩哔哩_bilibili

视频地址：https://www.bilibili.com/video/BV1QC6uBLEXC/?spm_id_from=333.1387.collection.video_card.click

👥 观看指数

适合观看人群：AI 工程师、软件架构师、多智能体系统开发者、计算机专业学生 推荐分数：85 推荐理由：视频深入剖析了多智能体系统设计中的关键问题，提供了实用的架构拆分原则，对从事 AI 系统开发的工程师具有重要指导价值。

📝 概要总结

视频围绕多智能体系统的 agent 拆分策略展开，详细分析了传统按职能拆分的弊端，提出了以上下文为中心的拆分原则。通过正反案例对比，明确了有效拆分与无效拆分的判断标准，为构建高效多智能体系统提供了清晰的设计指南。

🎯 小结论

  • 结论 1：按人类组织结构的职能划分 agent 会导致上下文反复切断和传递，产生大量协调成本
  • 结论 2：多智能体拆分必须以上下文为中心，只有上下文可真正隔离时才应该拆分
  • 结论 3：同一工作的连续阶段、紧密耦合组件、需要持续共享状态的任务都不适合拆分
  • 结论 4：独立研究路径、清晰接口组件、黑盒验证任务等上下文隔离的场景适合拆分

🕒 时段总结

视频总时长：03:39

00:00:00 🚀 多智能体拆分问题引入： 本章节引出多智能体系统设计的核心问题——agent 边界划分。指出大多数系统失败的原因在于拆分错误，特别是模仿人类公司组织结构的本能做法往往导致低效。

00:00:33 ❌ 按职能拆分的弊端： 详细分析了按产品规划、代码实现、测试审查等职能拆分 agent 的问题。这种结构导致上下文在 agent 间反复传递，就像传话游戏一样，协调沟通消耗的 token 甚至超过任务本身。

00:01:21 💡 以上下文为中心的拆分原则： 提出正确的拆分维度——以上下文为中心。只有当上下文可以被真正隔离时，工作才应该被拆分。通过功能开发案例说明设计、实现、测试应该由同一 agent 负责。

00:02:08 🚦 拆分边界的判断标准： 给出具体的拆分边界判断信号。红灯信号包括同一工作连续阶段、紧密耦合组件、需要共享状态的任务；绿灯信号包括独立研究路径、清晰接口组件、黑盒验证任务。

00:03:11 ✅ 核心原则总结： 最后总结多智能体拆分的核心原则——不要模仿人类组织结构按职能拆分，而要以上下文为中心进行拆分。只有遵守这一原则，才能避免传话游戏，发挥多智能体系统的工程价值。