从"和 AI 对话"到"指挥 AI 干活"：多智能体编排的实践

一、单线程协作的天花板

过去我们和 AI 的协作，基本是一问一答：你提一个需求，它给一段结果，你再提下一个。串行、线性、一个人。

这段"单线程"模式，应付日常的改动绰绰有余。但只要任务一大，瓶颈就换了地方——不再是"它写得快不快"，而是"我一次只能推进一件事"。 五个模块要改同样的东西、一套流程要走很多遍、设计与实现与测试环环相扣……你还是一步一步等它。

多智能体编排要解决的，就是这层天花板：把一个大目标拆开，交给多个各有专长的助手分头干，人负责编排。

（注意，这和我之前聊的"把能力沉淀成技能"不是一回事：那是把单个能力封装起来复用，是"备料"；这篇讲的是把多个能力组织成流程，是"排班"。）

二、编排，到底在编排什么

先破除一个误解：编排不是"更复杂的提示词"。提示词再长，也还是一个人对着一个助手说话。

编排的本质是分工：

• 把大目标拆成若干子任务；
• 每个子任务交给一个职责明确的执行者（它有自己的目标、输入、产出、边界）；
• 由人（或一个专职的"协调者"）规定子任务之间的顺序、依赖和汇总方式。

它像极了从"一个人全栈单干"到"一个小组分工"。价值不在于单个人更强，而在于并行的可能和职责的清晰。

三、哪些任务值得编排

不是所有任务都适合。可编排的，通常长这样：

• 并行独立类：多个模块、多种语言要做同一种改动；批量生成或批量校验。彼此不依赖，能同时开跑。
• 阶段流水线类：设计 → 实现 → 测试 → 评审。每个阶段产出交给下一阶段，像流水线。
• 侦察—决策类：先派一个"侦察者"把现状摸清、列出受影响范围，再据此派"执行者"动手。先看清楚，再下刀。

四、编排的几条原则

1. 边界要清晰，接口先定死。
每个子任务的输入输出必须先讲清楚。边界模糊，多个助手就会互相踩，越并行越乱。

2. 职责单一，权限最小。
一个执行者只干一件事，只碰它该碰的东西。别给"总揽全局"的万能助手——那是人类的位子，也埋着风险。

3. 人定编排，AI 干执行。
拆成几个任务、谁先谁后、做到什么程度算完成——这些判断由人拍板。助手负责高效执行，不负责替你决定"拆成几块"。

4. 每个子任务都要能独立验收。
如果一件事"必须等全部做完才知道对不对"，那它就不该被拆散。能单独验证，才敢并行。

5. 并行要防冲突。
多个写操作同时改同一个文件、同一份配置，几乎必然打架。要么串行处理，要么按文件/模块分区——各扫门前雪。

6. 最后必须有人收口。
多个助手的产出，风格、命名、接口未必一致。得有人统一复核、去重、对齐——这一步省不了，也外包不了。

五、几个容易踩的坑

• 为编排而编排。任务本身就不大时，拆解、协调、收口的开销会超过收益。编排的门槛是"任务足够大且能被拆"，不是"看起来很高级"。
• 上下文割裂。几个执行者各持一块信息，彼此不知道对方在干嘛，很容易产出对不上号的东西。关键的共享约定，要在分派时就统一说清。
• 责任扩散。出了问题，得能回答"这是哪个子任务引入的"。保留每个子任务的产出与依据，才追得回去。
• 过度并行。尤其涉及写操作时，并行常常帮倒忙。先问一句：这些任务真的互不依赖吗？

六、结语

多智能体编排，听起来像"让 AI 更自动了"，但它真正的变化在人这一侧：你从"执行者"，升成了"指挥官"。

工具能并行、能分工、能不疲倦地各司其职。但拆什么、拆到多细、边界怎么划、成果怎么收口——这些判断，依然只能由人来做。

能指挥一队人干活的，从来不是最会干活的那一个，而是最清楚"该怎么分工"的那一个。AI 时代也是。