一個 AI agent 做不好,多開幾個就會比較好嗎?
多開之前,先寫下它要獨立完成的工作
一個 AI agent 做不好時,多開幾個真的會比較好嗎?
我最近在做一套會把工作分給不同 AI agent 的系統,剛好有一次機會實際驗證。Agent 寄信、排程或寫入資料後,有時會直接回報完成,卻沒有讀回結果,也沒有執行測試。我於是設計了一道「硬驗證閘」,準備在它交付前檢查一次;只要系統找不到驗證紀錄,就把回覆退回去,要求 agent 補做驗證。
規格裡已經考慮了誤判、重試上限與功能開關,我甚至刻意不檢查答案對不對,只確認 agent 有沒有留下驗證的痕跡。寫完時,我已經準備把它做進系統。不過在實作前,我另外找了一個 agent,請它停止補完設計,改為想辦法把它打穿。它最後找出九個問題,其中三個足以讓整套機制無法成立。這次讓我發現,第二個 agent 有沒有用,要看它能不能拿到一項獨立、可以驗收的工作。如果它只是來「一起想」或「一起做」,增加的通常是重複判斷、交接與合併。
一個看起來完整的設計,為什麼被推翻
當時的設計會先看 agent 使用過哪些工具。如果它執行了特定的外部變更,最後一次變更之後卻沒有讀取或測試,就退回一次,請它驗證後再交付。系統不需要理解任務內容,只要根據操作紀錄判斷,看起來既簡單又能套用到不同工作。
flowchart LR
CHANGE["Agent 寄信、排程或寫入資料"] --> TRACE{"最後有驗證紀錄嗎?"}
TRACE -- "有" --> DELIVER["交付結果"]
TRACE -- "沒有" --> RETRY["要求補做驗證"]
RETRY --> DELIVER
第一個漏洞出在操作紀錄本身。這套系統可以改用不同的 AI 工具,其中一種不會回報自己做過哪些操作。Agent 明明已經改了資料,驗證閘仍看不見。我原本把設計寫成可以支援不同工具,實際上最前面的判斷條件就不成立。
重試也比我預期的危險。Agent 完成任務後,原本的工作階段可能已經被清空,它不記得前面寄過信、建立過排程,或寫入過哪些資料。這時再補一句「請驗證剛才的結果」,它可能重新做一次相同操作。原本用來避免錯誤的檢查,反而多製造一次外部變更。
即使系統看得到操作,也只能知道 agent 先寫入、後讀取,無法確認兩次操作是不是針對同一份結果。寫入 A 後讀一份無關的 B,紀錄看起來仍像做過驗證。只檢查步驟是否出現,很容易讓 agent 學會留下符合條件的紀錄,結果本身仍然沒有被確認。
我最後沒有繼續修補這道硬閘,直接把自動攔截與額外紀錄整套拿掉,改成在每位 agent 都會收到的基本規則裡要求「交付前要實際驗證,並附上證據」。這條規則比較軟,agent 仍可能漏做;至少系統不會再根據一份不完整的操作紀錄,自行判斷該不該退件。
多一個 agent 什麼時候有用
小修改留給同一個 agent
改日期、修錯字,或處理低風險、可逆、影響範圍小的修改時,原本的 agent 已經知道上下文,完成標準也已經確定。我會先讓它把工作做完,失敗時再看缺的是資料、工具說明還是驗收條件。這些問題需要補回原本的任務,多開幾個 agent 只會增加交代與合併的工作。
reviewer 負責找反例
驗證閘已經有完整方案,缺的是有人專門檢查它在哪些情況會失效,所以我增加了一位獨立 reviewer,也就是只負責審查的 agent。它讀同一份需求、設計、已知限制與相關程式碼,交付具體反例、成立證據和影響範圍,但不直接修改方案,也不替我決定最後怎麼做。
如果我只叫第二個 agent「再幫我完善一次」,它很可能沿著原本的方向繼續補規格,最後得到一份更長的設計。這次會找到問題,與獨立的閱讀脈絡有關,也與任務寫法有關。Reviewer 被要求主動找反例、失效條件與沒有被證明的前提,最後仍由我判斷要修補、縮小範圍,或放棄整個方案。換一個 agent 不保證得到同樣結果,但比重複同一份任務更有機會看到原本的盲點。
能平行的工作才拆開
需要搜尋大量資料時,工作比較容易拆成互不等待的部分。假設我要整理十間公司的公開資訊,可以讓幾個 agent 各自負責幾間,再由主要 agent 合併。每條搜尋路徑不必等待其他人,也不用讓同一位 agent 讀完所有網頁。Anthropic 在 How we built our multi-agent research system 中採用的也是這類做法,以更多 token 與工具呼叫換取搜尋廣度。
程式開發通常沒有這麼乾淨。幾個 agent 可能同時修改一個檔案、共用一份資料,或執行寄信這類外部動作。沒有先分開寫入範圍,結果就可能互相覆蓋或重複執行;如果每一步又要等待前一步,多 agent 也不會帶來多少平行處理的好處。這時除了分配工作,還要處理彼此的依賴、共用的資料,以及最後由誰合併。
工作拆開,不代表能平行
把一個功能拆給三個 agent,不代表三份工作就能同時完成。例如前端要先知道資料格式,整合測試也要等前後端接起來,原本的前後依賴不會因為多開兩個 agent 消失。平行運算只能加快可以同時執行的部分,必須依序完成的步驟仍要照順序走。拆分之前,我會先看哪些工作真的可以獨立完成;如果第二步一定要等待第一步,就留給同一個 agent,或先定好前一步要交付什麼。
共用資料也是軟體架構裡常見的問題。假設兩個 agent 都從同一個舊版本開始工作,第一個新增函式後寫回檔案,第二個稍晚才完成,卻拿著舊版本覆蓋回去,前面新增的函式就消失了。Git 可能把這種情況攔成 merge conflict,直接寫入資料時也可能形成 lost update;若最後結果會隨執行先後改變,才屬於更狹義的 race condition。實作上可以切開檔案 ownership、限制只有一位 agent 寫入,外部操作則要另外考慮重複執行時是否安全。
Agent 之間每次交接都要重新說明脈絡,也可能漏掉原本的限制。程式之間傳遞訊息同樣需要格式與錯誤處理,拆得越細,花在溝通與合併的成本就越高。共同輸入還沒固定時,我會先停在單一 agent;確定可以拆開後,再指定誰負責合併,以及合併後由誰重新驗證完整結果。
一篇名為 Towards a Science of Scaling Agent Systems 的 v3 前印本,也觀察到類似差異。在固定總 token 預算下,集中式多 agent 在可以拆成多條資料搜尋與推理工作的 Finance Agent 測試中,比單一 agent 相對提高 80.8%;獨立式多 agent 在步驟必須依序完成的 PlanCraft 測試中,則相對下降 70%。兩個數字來自不同基準與協調架構,無法直接套到日常工作,但可以看出任務的依賴方式與 agent 之間怎麼協調,都會改變最後的結果。
我現在怎麼決定要不要拆
這次之後,只要我想多開一個 agent,就會先試著用一句話寫出它要獨立完成的工作。驗證閘的 reviewer 有明確任務,它要找出方案不能成立的情況;大量搜尋也能直接分出每位 agent 負責的範圍。如果最後只能寫成「一起把事情做好」,我通常不會拆,因為每個 agent 很可能重複讀取、重複判斷,最後再把幾份相似的答案交回來。
所以,當一個 agent 做不好時,我現在不會先增加數量,而是先看它缺的是資料、工具說明,還是驗收條件。這些可以補回原任務,就交給同一個 agent;若需要獨立找反例,或工作能切成互不等待的範圍,我才會多開一個。多 agent 的價值來自明確分工;多幾份相似答案,只會把判斷留到合併時再做一次。