# 多Agent系统背后的数学道理
**作者**: zhengyun
**日期**: 2026-04-23T16:02:15.000Z
**来源**: [https://x.com/zhengyun/status/2047345314978582764](https://x.com/zhengyun/status/2047345314978582764)
---
10 个月前，也就是 2025 年 6 月，Cognition AI 写了一篇小作文，题目大概意思是：别建多智能体（Multi-Agent）。
10个月前：别试多智能体
Cognition AI 曾在2024年推出过全球首个全自主 AI 程序员 Devin。
他们的理由很充分：子 Agent 之间缺乏上下文共享，决策过程是黑箱，容易互相扯皮，最后产出还不如一个单 Agent。
结果呢？
昨天，也就是 2026 年 4 月 22 日，他们又写了一篇小作文，题目变成了：怎样才能让多智能体真正有效。
昨天，多智能体怎么才能真正有效
10 个月前说“别建”，10 个月后说“怎么建”。
我跟你说，这个反转背后，其实藏着一个特别有意思的事儿：
AI 为什么会产出“平庸”的方案？
鸭哥之前写过一篇文章，论述 AI 为什么会产出普通又平庸的方案。
我读完了，觉得特别透彻。
但我想从数学的角度，沿着他的思路，再往下挖一层。
大语言模型通过学习，把人类的知识压缩进了参数空间里。
这些知识不是散乱的，而是形成了一个个“盆地”。
在数学上，我们管这叫“吸引子”（Attractor）。
当模型在生成内容时，它其实是在这些盆地之间滑行。
只不过，模型并不是在一个固定的地形上滚动。
模型是在一个被上下文不断重塑的动态地形上滚动的。
如果你的工作，刚好落在这些“隐性先验”的范畴内（比如写个周报、读书笔记，做个常规方案，模仿一下巴菲特），模型就会自然而然地滑入那个“高概率吸引子”的盆地。
这个盆地有什么特点？
稳定、自洽、但平庸。
单 Agent 的问题就在这里。
它太容易滑进那个“平庸的盆地”了。而且一旦滑进去，它就出不来了。
因为它所有的推理，都基于同一个参数空间，同一个隐性先验。
无论你怎么让它扮演各种角色，都不行。
单 Agent，就像是一个门派里的近亲繁殖。
它逻辑自洽，招式连贯，但就是容易平庸。
为什么？
因为它的所有输出，都来自同一个“祖师爷”（同一个模型权重）。
你让它写方案，它给你的是它见过的所有方案的“平均值”。
你让它写代码，它给你的是 GitHub 上最常见的写法。
它不会犯错，但也绝不会给你惊喜。
这就是“平庸且自洽”。
而且，更可怕的是“上下文腐烂”（Context Rot）。
上下文腐烂
什么意思？
就是当 Agent 在同一个上下文里待久了，它的思路会越来越窄，越来越被之前的输出所束缚。
它不是在“思考”，它是在“续写”。
腐烂机制
既然单 Agent 容易滑入“平庸盆地”，那多 Agent 能干嘛？
理论上，多 Agent 能覆盖到更多的吸引子。
A Agent 滑入 A 盆地，B Agent 滑入 B 盆地。
如果 A 和 B 的盆地不一样，那你就能得到两种完全不同的方案。
这时候，就有可能产生“灵机一动”的效果。
但是！
这里有个巨大的陷阱。
如果 A 和 B 共享同一个上下文，共享同一个隐性先验，那它们其实还是在同一个大盆地里的不同小坑里打转。
这就解释了为什么 Cognition AI 10 个月前说“别建多智能体”。
因为大多数人的多 Agent，只是“单 Agent 的接力赛”。
A 写完，B 接着写。B 看到了 A 的上下文。
结果是什么？
B 被 A 带偏了。B 不再是 B，B 变成了 A 的附庸。
信息传递的损耗，加上上下文的污染，最后产出的，可能比单 Agent 还要平庸。
说到这，Cognition AI 昨天的那篇文章，就特别有意思了。
他们做了两个实验。
说实话，看着挺“蠢”的。
但效果特别爆。
实验一：Devin 写代码，另一个 Devin 审代码。
注意，这两个 Devin，绝不共享上下文。
审代码的那个 Devin，就像一张白纸。它不知道写代码的那个 Devin 在想什么。
Cognition AI 说，这是为了防止“上下文腐烂”。
实验二：便宜模型做主力工程师，关键时刻找昂贵模型来帮忙。
用便宜的模型干脏活累活，遇到卡壳的地方，再请昂贵的模型来“指点迷津”。
它打破了我们对多 Agent 的固有认知。
我们以前以为，多 Agent 就是要“共享信息”，要“协同工作”。
但 Cognition AI 告诉我们：
不。多 Agent 的核心，是“制造隔离”。
写到这儿，你可能突然明白了。
为什么那个“不共享上下文”的实验会有效？
因为你在改变约束条件。
在数学上，这就像是在地形上人为地制造了一个“分水岭”。
你让写代码的 Devin 在一个盆地，审代码的 Devin 在另一个盆地。
它们不再共享同一套隐含偏好。
写代码的 Devin 可以尽情地在“实现”的盆地里滑行。
审代码的 Devin 可以尽情地在“挑刺”的盆地里滑行。
它们之间没有"上下文污染"。
这就是Harness（ Harness 机制）。
通过改变约束条件，让不同 Agent 拥有不同的认知框架和判断标准。
如果你真正想要“进入不同类型的解空间”，你必须这么做。
否则，多 Agent 只是在同一个盆地里的“无效折腾”。
这就像武侠小说里的历练。
单 Agent，就像是一个弟子，在同一个门派里闭关修炼。
他练得再好，也是“近亲繁殖”。他的招式，跳不出师门的框框。
多 Agent，就像是你把这个弟子，扔到不同的幻境空间里去历练。
幻境 A 里全是剑客，幻境 B 里全是刀客。
他在幻境 A 里学到的，和幻境 B 里学到的，完全不同。
而且，最关键的是，幻境 A 和幻境 B 之间，几乎没有什么上下文传递。
他每次进入幻境，都是“白纸”状态。
好了，说了这么多，这跟我们有什么关系？
我觉得还是挺重要的。
首先，它让我们重新理解“多 Agent”。
多 Agent 本身并不能自动带来突破。
如果只是简单地让多个 Agent 接力完成任务，它们仍然会在同一个隐性先验盆地中滑行。
甚至可能因为信息传递的损耗，产出更平庸的结果。
其次，它给了我们一个设计 Agent 的方法论。
真正的突破，来自 Harness——通过改变约束条件，让每个 Agent 拥有不同的认知框架。
就像 Cognition AI 的实验：一个写，一个审，绝不共享上下文。
最后，它让我们重新理解“平庸”本身。
平庸，不是因为没有知识，而是因为太容易滑入“高概率吸引子”。
要打破平庸，就必须制造“隔离”，制造“不同”。
这样，他才能看到不同的风景。
## 相关链接
- [zhengyun](https://x.com/zhengyun)
- [@zhengyun](https://x.com/zhengyun)
- [996](https://x.com/zhengyun/status/2047345314978582764/analytics)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [12:02 AM · Apr 24, 2026](https://x.com/zhengyun/status/2047345314978582764)
- [996 Views](https://x.com/zhengyun/status/2047345314978582764/analytics)
---
*导出时间: 2026/4/24 18:10:22*