本文是 Agent 面试高频题详解第 3 题，围绕多 Agent 架构展开。作者结合 50 位作者、63 场面试的面经，系统梳理了六个追问方向：要不要拆、怎么拆、怎么通信、结果谁汇总等。文章指出单 Agent 在上下文膨胀、工具过多、提示词分支复杂、无法并行四方面会卡住；同时多 Agent 有 token 成本（约为普通对话 15 倍）、协调开销、信息丢失和错误传播等代价。文中总结了主从、流水线、并行分片、执行加审查、按意图转交五种结构，以及上下文、工具权限、可验收三类拆分边界，并对比 Skill、MCP、Workflow、SubAgent 等概念的适用场景，最后给出通信方式与面试应答要点。
作者体验了朋友洛小山团队开发的个人 Agent 产品白艾莉（Alice）。该产品以二次元养成游戏的风格呈现，Onboarding 设计如玩游戏般丝滑，有人设、朋友圈、塔罗占卜等细节。产品将多 Agent 设计成自带身份的'朋友'，支持创建定制角色，并有广场社区支持二创内容和糖豆消费。同时具备实用功能：可切换 DeepSeek 等模型写代码、连接微信飞书、专属邮箱、定时任务等。作者认为人格化 Agent 满足了用户对'AI 活人感'的关系诉求，有望成为 AI 原生内容社区。
文章是开源 AI 开发工作台 Orca 的详细入门与进阶教程。Orca 是一个 ADE（Agent Development Environment），让用户在一个窗口里同时指挥多个编程 Agent（如 Claude Code、Codex、Cursor），每个 Agent 拥有独立代码副本互不干扰。作者讲解了 Orca 如何解决多 Agent 并行开发中的四大痛点：副本环境配置、任务监控、代码验收和厂商绑定，并提供了实际工作流示例，包括让三个 Agent 赛跑修复高危 bug、会话派生与跨 Agent 交接、内置浏览器精准定位 UI 元素、逐行批注验收、AI 代码归属标记，以及用 Agent 担任项目经理的编排功能。
作者在 Teamily AI 平台上组建了一个包含三个 AI 成员和一位人类伙伴的群组，实测多 Agent 协作能力：为尚未上线的 AI 编程课制作宣传页。文章总结了多 Agent 系统易犯的三类错误（错误传递、交接丢条件、缺乏验收），并设定三个观察点：分工是否清晰、改动能否传递、交付前有无审核。实测中 AI 团队展现了组队排任务、接住反馈、按事实调整的能力，但作者强调业务前提（如课程未上线）仍需人来把关，审核报告也需追问核实依据。最终交付了可分享的宣传页 Demo，作者收获是学会了如何给 AI 团队提需求。
文章通过三个公开部署案例，理性拆解 Hermes Agent 的真实能力：为太阳能销售团队维护每日看板与知识库、将工作/学习/家庭拆分为多条 Agent 车道、以及在单台 VPS 上运行市场情报和数十个定时任务。作者澄清了常见误解——“长期记忆”只是两份有字数上限的文件，“自我进化”并非重新训练模型，开源自托管也不等于数据绝对安全。文章还分析了 Hermes 的架构（模型、工具、记忆、技能、调度）、官方部署路径、真实成本构成、安全权限防护要点，并给出验收标准：先让 Agent 稳定完成一件小事七天，再考虑扩大权限和自动化规模。
本文介绍 Replit AI 团队关于 agent harness 设计的实证文章：与其让较弱的 router 替强模型选择 LLM，不如解放模型自己决定 effort 档位、何时委派任务以及交给谁。Replit Agent 通过四个可组合委派原语（领域感知子 agent、档位与 effort、可复用子 agent、动态 effort 调整）实现这一目标。生产数据显示，GPT-6 Astra 是首个无需吩咐就例行把实现交给通用 worker 的模型，回访已有子 agent 的比例达 42%。基准测试中 Replit Agent 在 DeepSWE 和 Terminal-Bench 上均优于 sidekick 架构 11~16 个点，且具备成本-质量帕累托有效性。作者将其解读为 Sutton「苦涩的教训」的实例：模型越强，harness 越应少做决定。
文章介绍 Manus 2.0 的六大更新：Cascade 多工具项目协作、云电脑持续运行任务、Automations 事件触发自动化、远程操控电脑、Manus Studio 视频编辑器（初剪可编辑时间线）以及独立多 Agent 应用 Cue（每个 Agent 拥有邮箱、电话、钱包和电脑）。作者以小白视角解答了产品定位、收费模式（会员+积分制）、使用入口等问题，并推荐优先试用视频编辑器、云电脑和 Cue 三大功能。文章还给出新手第一次上手的建议：用自己素材做最小任务，评估 AI 能真正替人完成多少具体工作。
本文介绍使用 Gemini 3.8 Live 和 Google Agent Development Kit (ADK) 构建实时保险理赔语音代理的四种核心模式：1）工具标记为 NON_BLOCKING，让代理在执行代码时保持对话流畅，重要信息可打断；2）通过独立记录所见、来电者所述及验证结果，并用第二个模型复核照片证据，避免盲从口头描述；3）一个模型负责通话，后台由七个步骤的 SequentialAgent 团队异步整理理赔文书；4）模型负责理解对话，Python 负责执行金额、日期、安全等硬性规则。文章包含完整开源代码和本地运行指南。
OpenAI正式发布Agents API，将Codex背后的Agent Harness能力以API形式开放。开发者只需定义任务、模型、工具和执行环境，Agent Loop、上下文管理、工具调用、多Agent协作和沙箱等均可交由OpenAI处理。该API支持长任务自动压缩恢复、原生MCP与Web Search、Sub-Agent并行、Linux Sandbox及私有环境接入。作者认为这标志着模型正从产品变为组件，Harness等通用能力正被云厂商基础设施化，Agent创业需向业务、数据和Workflow上移。
文章深度拆解 Lauren（前 Meta/Netflix/Cursor、React Compiler 核心成员）公开的 pstack 开发方法。pstack 不是模型或 IDE，而是运行在 Coding Agent 之上的工程工作系统，核心是 Verification Skill：让 AI 启动真实应用、像用户一样操作、收集截图/日志/性能数据作为证据，失败则自动返工。文章还介绍了 Build the Lever（把重复流程做成工具）、Feature Map（物化记忆）、多 Agent 并行编排等思想，强调先提高单个 Agent 可信度再扩大规模，并理性看待'每月 2000 个 PR'的说法，指出人仍需负责验收标准设计与关键决策。
作者参加 B 站 Build in Public 大会，记录卡比老师关于「Skill 将死，方法论永生」的分享。随着模型训练进步，通用知识和标准流程逐渐被模型内化，长篇 Skill 说明将变得多余，重点转向方法论。文章总结了 8 个可加入日常 Prompt 的方法论：第一性原理、对抗式审查、消融实验、奥卡姆剃刀、列出不确定点、保持独立思考、批判性思维、高内聚低耦合。作者认为 Skill 中的视觉参考和工具调用仍有存在价值，但重复性通用说明已可被精简的提示词替代。
文章系统介绍了 DeepSeek Harness，强调它不是单纯的模型聊天界面，而是把模型、工具、会话、沙箱、工作流、调度和 UI 都插件化的 Agent 运行框架。内容涵盖安装启动、Web UI 与远程访问的安全风险、4 种 Agent 模式的权限取舍、Trajectory 执行轨迹带来的可调试性、多模型接入降低供应商锁定、'一切皆插件'的架构理念、会话分支用于并行验证假设，以及 Dynamic Workflow 和 Agent Teams 实现多 Agent 协作的任务拆分与汇总。作者认为其价值在于让 Agent 成为可配置、可观察、可复用的执行系统，但仍处 developer preview 阶段，需谨慎对待权限与数据安全。
作者以 Moderna/Merck 个体化 mRNA 癌症疫苗 Phase 3 进展为案例，体验了 Apodex 的 Deep Discover 多 Agent 研究产品。产品通过 Task Board、分工的 Sub-agent（临床数据读取、肿瘤研究、估值分析）与 Verifier 复核，实现可视、可中途干预的研究流程，并在测试中自行纠正了药物实体混淆。文章后半部分详细记录在单张 RTX 5090 上用 SGLang 部署 Apodex 1.1 mini（36B MoE GPTQ Int4）及开源 FrontierAgent 的过程，包括网络代理与 SSRF 防护冲突的排查、Agent Team 宏观研究实测，以及单卡下并行的本质是任务与上下文并行而非吞吐并行的性能分析。
作者将自己此前分享的 9 个 Pi 工具整理成一张按需选择的"装修地图"，而非必装全家桶。文章首先介绍 pi install 等 Pi Package 基础命令及安全注意事项，随后分三层推荐工具：第一层为基础能力，包括沙箱安全（pi-sandbox）、联网访问（pi-web-access）和计划与代码审查（Plannotator）；第二层为遇到明确问题再装的工具，包括上下文管理（context-mode）、MCP 适配器（pi-mcp-adapter）、多 Agent 协作（pi-subagents）、长期记忆（pi-hermes-memory）；第三层为远程使用工作台，包括 PI WEB 浏览器控制台和 ax-feishu-bridge 飞书接入。最后给出三套组合搭配建议。
本文介绍了 DeepSeek Harness（DSH）的三大进阶玩法：一是斜杠命令，包括 /compact 压缩上下文、/export 导出对话、/goal 设置长期目标、/plan 计划模式等内置命令及自定义命令方法；二是给 AI 提供工具，讲解了工具、插件与 Skill 的区别，如何通过 MCP 协议接入现成服务，以及利用创造模式让 AI 临时生成工具；三是打造多 Agent 军团，介绍了 subagent、workflow、ralph 等内置派活工具和后台管理工具，实现任务的拆分、并行与迭代审视。
本期早报聚焦 AI 编码之后的交付瓶颈。精讲一指出编码仅占研发链路的 20%-30%，团队应从 Spec 驱动转向环境与验证驱动，让 Agent 能自主获取可信反馈。精讲二介绍 Steve Yegge 在五六十个 Agent 协作的软件工厂中构建的「围栏」治理系统，通过职责、先例、权限和检查点延续组织状态。精讲三解读吴恩达提出的 AI 工程六类能力图谱，强调数据、评估与运维协作。速览还涵盖数据中心影子借贷、丰田企业 Agent、语音评估、长上下文推理与肝癌 AI 模型等。
文章解读了 Anthropic 官方发布的《打造高效的人机协作团队》，总结了让 AI 高效融入团队的 4 条经验：一是写清楚协作信息，通过会议纪要、聊天记录总结、企业知识库、项目配置文件给 AI 提供背景；二是给 AI 和人类分好工，用 Skills 文件定义 Agent 角色，实现多 Agent 协作；三是设定'北极星'目标，让 AI 主动提出建议；四是循序渐进地与 AI 建立信任。作者结合知乎回答工作流等实例，指出 AI 不会拯救混乱的团队，只会放大团队原本的样子。
作者认为Grok Bot被严重低估，它正从被动聊天AI转变为持久在线的自主执行引擎。其核心优势包括：专属云运行环境（带真实浏览器、文件系统和持久登录）、实时网络与X平台数据接入、无需API即可视觉操控各类网站工具、以及多Agent并行深度搜索。文章提供了四个高杠杆提示词框架（趋势预测、竞品审计、自主内容架构、多Agent代码审计），并展望其在VC尽调、销售GTM和软件工程等领域的变革潜力，称xAI正在构建现实世界执行的操作系统。
字节跳动推出的扣子桌面端，通过云盘双向同步、深度截图、本地Agent接入等功能，让AI Agent更深入地融入本地工作流。文章以新书宣传和自媒体运营为例，展示了扣子桌面端如何高效生成网站、PPT、播客等营销物料，并支持多Agent协作。作者认为，扣子桌面端的设计旨在减少文件上传下载等摩擦成本，让AI更贴近用户的工作上下文，是AI工具落地办公场景的重要一步。
本文介绍了 DeepSeek Harness 生态中必装的 10 个插件，包括 ModLens（图像理解）、dsh-web-ui（Web UI 全家桶）、dsh-better-sidebar（Codex 风格布局）、dsh-TUI（终端界面）、deepseek-harness-desktop（桌面客户端）、dsh-at-file（@文件引用）、dsh-agent-teams（多 Agent 团队）、dsh-plan-execute（规划与执行分离）、dsh-context-doctor（Token 分析）和 dsh-reverse-skill（安全研究技能包）。这些插件覆盖了从图像处理、界面优化到多 Agent 协作、成本控制和安全研究等多个方面，旨在提升 DeepSeek Harness 的功能性和用户体验。
文章介绍如何在WorkBuddy中用项目空间组织多Agent虚拟项目组。核心观点是：多Agent的关键不在数量而在接口设计。提出最小可用结构：一个主任务管理依赖与验收，加上调研、数据、内容、设计四条单一交付的工作线，通过固定交接合同连接。文章详细说明了并行与串行任务的划分、三个冻结里程碑（事实、正文、发布）、冲突回到源任务修正的处理机制，以及单线与整项目的验收标准，帮助个人真正获得并行工作能力。
本文详细介绍了Anthropic推出的Claude Science，一个面向科学家的AI工作台。文章指出，Claude Science不同于普通聊天机器人，它通过统一环境、生成可审计产物和嵌入审查机制，解决科研工作中跨工具协作的拼接、回溯和审查问题。文章阐述了其多Agent协作结构、研究契约的制定、证据链的形成、Reviewer Agent的职责，并通过Manifold Bio、Allen Institute和UCSF三个案例展示了其应用场景。最后，文章提供了适合使用Claude Science的人群和验收标准，强调其核心价值在于提高科研工作的可检查性，而非替代科学家的判断。
作者分享用AI为海外小商户建网站实现月入3万英镑的经验，从营销、搭建、交付三方面补充细节。营销上通过GoogleMap等渠道检索联系方式，以学生身份降低信任成本；搭建采用基于Hermes的自研多agent架构，实现自动化工作流；交付注重低维护和合理定价。最后提醒市场已饱和，但方法可迁移。
本文介绍如何仅利用 Codex 的原生机制，通过一个提示词实现轻量级 Graph Engineering。作者展示了如何设置“总包”和“Worker”角色，无需编写编排代码即可实现多 Agent 协作、审核与进度管理，提供了可直接复用的最小模板。
文章介绍了如何利用多Agent协作系统，低成本复刻付费写作专家团功能。作者分享了搭建思路、个人风格训练方法及多轮审稿流程，帮助创作者通过AI工具实现高效、个性化的写作。
文章通过27个真实案例，分析了如何利用WorkBuddy的5个核心功能（定时自动化、多Agent并行、Skill技能包、MCP连接器、记忆系统）实现自动化赚钱。作者指出，赚钱的人将AI当作员工用，构建自动化工作流，而不赚钱的人仅将其视为聊天工具。
文章总结了 Pi 社区关于多 Agent 与单 Agent 使用的实战经验。单 Agent 适合简单和密集上下文任务，多 Agent 适合可拆分的大任务，但需承担上下文转移、重复工作、验证和编排成本。作者还介绍了 pi-workflow 工具，通过 JSON 规范标准化多 Agent 工作流。
香港大学开源项目 OpenOPC，允许用户一键生成并运营 AI 原生公司。具备自我构建、自我运营和自我进化三大核心功能，通过像素风 UI 模拟真实公司运作，支持任务流转、精准追责及打包分享。
文章详细解析了 OpenAI Codex 的史诗级更新，重点介绍了新增的“Work”区域与 Codex 的区别，以及 sites、Template Creator 等新插件的实测效果。此外，还涵盖了内置浏览器功能升级、前端设计能力的提升、支持多 Agent 并行执行的 Ultra 模式，以及如何将 GPT 网页端聊天接入 Codex 进行头脑风暴的实用技巧。
作者基于一年 OpenClaw 的使用与托管经验，深入剖析了其在多租户隔离、云原生支持及架构上的局限性。为此，作者提出了全新的 Agent 框架 FastClaw。FastClaw 基于 Go 语言重新设计，采用存算分离、多租户 RBAC、JSON-RPC 插件隔离等架构，旨在构建一个更轻量、高并发且适合云原生部署的生产级多 Agent 平台。
