边界一:子任务异构

需要不同工具集、不同模型或不同知识库时,拆开能各自调优;如果三个角色读的是同一份文档、用的是同一个检索,拆开只是把一次调用变成三次,延迟与成本都涨,收益接近于零,还不如把钱花在文档解析上。这条边界其实在问:拆开的收益能否覆盖多次调用的成本。

课堂现场:成排学员面向讲台
成排就座:课堂听讲自有素材

边界二:权限必须隔离

财务数据与人事数据不能进同一个上下文时,多 Agent 是一种可行做法:各自持有自己的凭据与数据域,只交换结论字段。边界是交换内容必须最小化,且要记录谁在什么时候读了什么,否则隔离只是形式。怎么做最小化交换,只传结论字段与必要的判断依据。

边界三:需要并行核对

招投标、审计这类场景常要求两条独立路径互检:一条从清单出发、一条从图纸出发,再比对差异。这种独立取证是有价值的多 Agent 用法,前提是两条路径真的不共享中间结果,否则互检会退化成自我确认。怎么保证独立,两条路径的检索源与访问权限都要分开。

边界四:长流程要交接

从受理到归档跨多个岗位、每个岗位有独立系统与时限时,用编排把阶段串起来,比让一个 Agent 记住全流程更现实。边界是每段交接要有明确字段与超时,缺字段就该退回上一段而不是猜,猜错之后责任更难界定。边界是字段与超时,缺一项就该退回上一段,而不是猜。

不适用:强一致写与责任

同一张表被多个角色并发修改,或出问题必须能追到具体责任人时,多 Agent 会把责任稀释。此类场景应保留单一写入口与一名签认人;模型只做草稿与提示,最终提交由人完成,签认记录要能查到人。为什么保留单一写入口,因为责任必须落到人,而不是落到流程。

适用与不适用

适合谁

  • 需要按数据权限隔离子任务的组织
  • 要求两条独立路径互检的审计与投标场景
  • 跨岗位、跨系统、有明确时限的长流程

不适合谁

  • 多个角色共享同一份材料、同一套工具的伪拆分
  • 出错必须追到单一责任人的强合规流程
  • 没有日志与重放能力、排障靠人盯的初创项目

典型场景

某检测机构要把报告编制与复核分开。编制 Agent 只读原始记录并生成草稿,复核 Agent 只读草稿与标准条款、不读原始记录,两者不能共享中间结论;差异项由授权签字人裁定并留痕。机构把两个数据域做成独立凭据,交换只走结论字段,避免复核被编制思路带偏。

可执行步骤

  1. 列出每个子任务的数据域、工具与凭据,确认能否真正隔离,不留共享账号
  2. 判断子任务之间是否共享中间结果,共享则先合并再谈拆分,别急着画图
  3. 为每条路径指定独立取证方式与比对规则,避免共用同一份检索结果
  4. 写清交换字段的最小集与访问记录方式,明确谁在何时读了什么、为什么
  5. 明确最终签认人与不可自动化的动作清单,写进方案与合同,作为合同附件
选型与对比类目结构示意图
类目示意图:选型与对比通用流程示意 · 上岸智源

常见坑

  • 把权限隔离做成形式:两个角色仍读同一个账号的数据,隔离只写在方案里,审计时无法证明。
  • 互检的两条路径共用同一份检索结果,错误高度相关,互检退化成自我确认,风险被误判为已控。
  • 长流程交接只写移交下一步,没有字段与超时,下一段靠猜,卡住时无人认领,工期一拖再拖。
  • 把签认也交给模型,出问题后找不到责任人,合规评审直接否掉整个系统,前期投入全部沉没。
天平与待比较的文件资料
选型场景:权衡与对比自有素材

自检与验收清单

  • 每个子任务是否有独立数据域与访问凭据,可验证
  • 两条核对路径是否确实不共享中间结果与检索结果
  • 交接字段与超时是否书面化,并由双方确认签字
  • 最终签认人是否明确,且相关动作不可自动化
  • 访问记录是否可用于事后审计与责任追溯,保留期限多长

常见问题

边界是技术问题还是管理问题?

两者都有。技术上要看数据域、工具与并发;管理上要看谁签认、谁接管。只谈技术容易做出能跑但不能用的系统;只谈管理会停在流程图,落不到接口字段,最后还是要返工补齐。

三个角色以内算多 Agent 吗?

数量不是标准。判断看是否存在独立数据域与独立失败路径;两个角色各自取证、各自可失败,就是多 Agent;五个角色串联转述同一份材料,本质仍是一个,只是把调用次数放大了好几倍。

什么时候该从多 Agent 退回单 Agent?

当排障时间超过开发时间,或每次业务规则变更都要改多个角色的提示词时,就该回退。回退前先保留评测集与交接字段,把规则收敛到共享配置,再逐段合并,避免一次改太多又引入新问题。

参考来源

  1. 中国信通院发布《大模型落地路线图研究报告(2024年)》 中国信息通信研究院(上海证券报转载) · 2024
  2. AI Risk Management Framework (AI RMF 1.0) 美国国家标准与技术研究院(NIST) · 2023
  3. GB/T 41867-2022 信息技术 人工智能 术语 国家市场监督管理总局、国家标准化管理委员会 · 2022