AI 的知识诅咒与多 Agent 协作
内容提要
作者搭建了多Agent“公司”系统，让各具人设、独立记忆与私欲的Agent讨论模糊的发散型任务。他认为收敛型任务单Agent更优，而创意写作、开放研究需多角色持续分歧，避免“端水”。模型差异已不止能力，还有“性格”与偏好。模拟人类组织方式，在AGI到来前仍是Agent编排的最佳实践。
延伸解读
任务类型决定多 Agent 是否值得
文章明确区分收敛型与发散型任务：修复 bug、开发功能等目标确定的任务，单 Agent 或 Master-SubAgents 模式通过率更高；而长篇创意写作、品牌策划、开放式研究等连用户自己都不清楚想要什么的任务，才需要多角色持续分歧。读者应先判断任务是否需要“质疑问题本身”，再决定是否引入多 Agent，避免为收敛任务白白消耗 Token。
模型差异不只是能力，还有“性格”
作者用“知识诅咒”解释：模型都知道人物动机、叙事节奏等知识，但预训练和后对齐带来的偏好不同，导致它们对“什么值得强调、什么可以留白”的选择不同。例如 Gemini 3.8 Flash 文笔更鲜活却连续性差，GPT 6 Astra 能指出问题却未必写出对方的好句子。多 Agent 编排可利用这种差异分工，而非只按能力高低选模型。
独立记忆与私欲让分歧不沦为“端水”
若多个 Subagent 共享上下文和最终目标，即使分饰支持与反对，也可能只是把可综合的意见分别念出，最终交出一份面面俱到的“端水”总结。作者主张每个 Agent 拥有隔离的上下文、长期独立记忆和与任务无关的虚拟目标，使其在读懂全局后仍有自己要争取的东西，从而让分歧持续，催生意料之外的讨论结果。
模拟人类组织是当前编排的务实选择
作者认为，若 AGI 意味着完全模拟人的智能，那么模仿人类现有组织形式就是当前最高效的 AI 使用方式；资本主义五百多年积累的组织经验，可视为组织“智力个体”的帕累托最优解。以当前技术形态，AI 至多是可 24 小时工作的高智力人类，因此模拟现实组织人力仍是 Agent 编排的长期最佳实践，且现在远未到 AGI。
Q&A
为什么作者认为收敛型任务用单Agent更好，而发散型任务需要多Agent？
收敛型任务目标明确、结果可验证，需要尽快排除错误抵达答案，单Agent或Master-SubAgents模式通过率更高；发散型任务如创意写作、开放研究，问题模糊且答案不唯一，需要不同角色持续分歧、质疑问题本身，多Agent讨论能产生意料之外的结果。
作者说的AI“知识诅咒”具体指什么？
借用“知识的诅咒”概念，指模型在掌握大量重叠知识后，很难摆脱自身预训练和后对齐形成的默认偏好，去真正站在特定角色的立场思考。例如GPT 6 Astra知道角色卡设定却需要“扮演”才能成为大肥鱼，而DeepSeek因角色卡源自其天生偏好则本色出演。
多Agent系统中如何避免讨论变成“端水”式总结？
关键是为每个Agent设置独立且与单个任务不相干的长期虚拟目标（如希望自己的方案被更多采纳），并隔离上下文、保留独立记忆。这样Agent在读懂全局后仍有自己要争取的东西，不会快速向“最优方案”妥协或给出免责声明，分歧得以持续。
作者用多模型组合写长篇小说时，各模型分别承担什么角色？
用GPT 6 Astra编排大纲，用Gemini 3.8 Flash（思维水平调为Low）写稿以获得更鲜活的文笔，再用GPT-6.1 Sol检查剧情连贯一致性。该组合收益最好，并大幅降低了单位成本。
为什么模拟人类公司架构来组织多Agent在AGI到来前仍是最佳实践？
如果AI的终极目标是AGI即完全模拟人的智能，那么模仿人类现有组织形式就是当前最高效的方式。资本主义发展500多年积累了组织人类的大量经验，现实企业、社会和政府的运行方式可视为组织智力个体的帕累托最优解；当前AI尚未达到AGI，模拟人类组织人力方法在很长一段时间内仍是Agent编排的最佳实践。
作者搭建的多Agent“公司”系统里，每个Agent有哪些设定？
每个Agent有包含真实人口属性的设定卡，以及各自的经历、记忆、技能和分工；设定了长期人生目标、喜好和愿望；还有每日自主活动任务（自由上网阅读学习并修改立场）和每日八卦任务（在茶水间聊工作相关或无关话题）。
