Anthropic 团队在构建 Claude 的多智能体研究系统时，解决了工程挑战并积累了宝贵经验。该系统通过并行化和智能协调，显著提升了处理复杂、开放式研究任务的效率和性能，但同时也带来了协调、评估和可靠性方面的独特挑战。文章深入探讨了其系统架构、提示工程原则及生产部署中的关键考量。

多智能体系统的优势

• 研究工作具有开放性和不可预测性，多智能体系统能适应动态和路径依赖的探索过程，无需预先硬编码固定路径。
• 通过并行操作和独立上下文窗口，实现信息压缩和关注点分离，提高效率，每个子智能体提供独特的探索轨迹。
• 内部评估显示，多智能体系统（如以 Claude Opus 4 为主智能体，Claude Sonnet 4 为子智能体）在广度优先查询上性能超越单智能体系统 90.2%。
• 主要通过增加令牌使用量（通常是聊天的 15倍）和并行推理能力来提升性能，Claude 模型是令牌使用效率的倍增器。

研究系统架构

• 采用主控-工作者模式，主智能体协调并委派任务给并行运行的专业子智能体。
• 主智能体根据用户查询分析并制定策略，然后生成子智能体同时探索不同方面，子智能体作为智能过滤器收集信息并返回给主智能体。
• 与传统 RAG（检索增强生成） 的静态检索不同，该架构使用多步骤动态搜索，能适应新发现并分析结果。
• 完整工作流包括 LeadResearcher 智能体迭代研究、生成专业 Subagents 独立执行搜索、综合结果并由 CitationAgent 添加引用。

提示工程与优化原则

• 了解智能体行为： 通过在 Console 中模拟观察智能体工作流，快速发现并解决问题，如过度冗长或错误选择工具。
• 教导协调者委派： 主智能体需为子智能体提供详细任务描述，包括目标、输出格式、工具指导和明确的任务边界，避免重复工作或遗漏。
• 根据查询复杂度调整投入： 在提示中嵌入扩展规则，如简单事实查询用 1个智能体 3-10次工具调用，复杂研究用 10+个子智能体，以高效分配资源。
• 工具设计与选择： 明确工具用途和清晰描述至关重要，指导智能体优先选择最合适的工具，避免因工具描述不清导致错误路径。
• 并行化工具调用： 主智能体并行启动 3-5个子智能体，子智能体并行使用 3+种工具，将复杂查询的研究时间缩短高达 90%。

智能体评估方法

• 多智能体系统行为具涌现性且非确定性，评估需关注最终结果（是否达到预期目标）而非固定步骤。
• 建议从小型样本（如约 20个查询）开始快速迭代评估，早期调整效果显著，无需等待大规模测试集。
• LLM作为评判者： 大型语言模型可根据事实准确性、引用准确性、完整性、来源质量和工具效率等标准，对自由文本输出进行可扩展的评估，与人类判断高度一致。
• 人工评估： 捕捉自动化评估遗漏的边缘案例，如幻觉、系统故障或微妙的来源选择偏差（例如偏爱 SEO优化内容农场 而非权威来源）。

生产可靠性与工程挑战

• 状态保持和错误累积： 智能体长时间运行并保持状态，微小错误可能导致灾难性后果，需要支持从错误点恢复的系统（如重试逻辑和定期检查点）。
• 调试复杂性： 智能体决策动态且非确定性，需要全生产跟踪和高层次可观察性（监控决策模式和交互结构）来诊断根本原因。
• 部署协调： 智能体系统高度有状态，部署更新需采用 彩虹部署 等策略，通过逐渐转移流量来避免中断正在运行的智能体。
• 同步执行瓶颈： 当前主智能体同步执行子智能体，简化协调但造成信息流瓶颈；未来异步执行可增强并行性但增加复杂性。