Anthropic 称单智能体常优于多子智能体架构，并发布迁移工具包

要点

Anthropic 发现，一个按需加载上下文的单一智能体在质量、成本和延迟方面往往优于多智能体架构。该公司正在发布一套迁移工具包，帮助团队进行评估并完成切换。

Anthropic 建议企业评估是否可以合并子智能体，因为一个按需加载上下文的单一主智能体往往比一组专用子智能体带来更好的结果。从 Opus 4.5 开始，以及 Opus 5.5 和 Fable 5.1 等更新的模型，可以直接在单一循环中管理复杂计划，这也能降低成本并缩短等待时间。在一次对比中，Anthropic 表示单智能体架构的运行速度约为多智能体架构的两倍。

这一建议来自多个企业部署中的实践经验，Anthropic 的应用 AI 团队发现，一个使用所谓“技能”的单一智能体在质量上经常同时胜过单体式提示设计和子智能体架构。例如，有一家公司在面向客户的智能体中内置了十几个专用子智能体，这使其难以保持一致的品牌体验，并因高延迟而损害了可用性。

模型现在可以自行完成大部分编排工作

据 Anthropic 称，许多智能体设计都遵循一种熟悉的模式：意图识别、固定的处理流水线、用户分群、独立的推荐分支，以及位于顶层的编排器。对于相应的用例，其中大部分工作现在都可以由模型自行处理。

Anthropic 称之为智能体领域的“康威定律”。架构变成了组织架构图的翻版，每个团队都交付自己的子智能体，直到数百个相互重叠的智能体堆积起来，却没有共享标准。随之而来的是 Anthropic 所称的“科学怪人提示词”（Frankenprompt），即每个团队都向系统提示词中添加规则，最终彼此矛盾。据该公司称，一个干净的系统提示词、四五个精简的数据工具以及固定的输出护栏，就能覆盖相应用例的大部分需求。

举例来说，Anthropic 将面向较新模型的 Claude Code 系统提示词削减了 80% 以上，部分原因是技能和工具现在只在需要时加载。较新的模型还会对自身进展进行评论并检查自己的工作，这可以使一些额外的控制层变得不再必要。

Anthropic 表示，当单个智能体的上下文窗口出现可测量的性能下降、当多个任务需要在各自独立的上下文窗口中并行运行，或当单个智能体难以进行工具选择时，子智能体仍然是有意义的。

对于分步迁移，Anthropic 已在 GitHub 上发布了一套迁移工具包，引导团队完成一套工作流程，以识别现有模式、评估替代方案并验证最佳方法。Anthropic 警告不要盲目合并，因为在一次客服智能体测试中，并入一个子智能体虽然降低了延迟，却破坏了原本正常运行的流程。主智能体开始自行作答，而不是咨询正确的专家。

团队应避免技能库无序膨胀

Anthropic 建议不要为每个团队配备各自的智能体，而是将工作流程打包为技能，并通过工具搜索按需加载工具。应由一个小型中央团队负责系统提示词和整体质量。另外，Anthropic 指出，当工具定义超过 30 到 50 个时，模型的工具选择能力往往会下降，因此各团队的指定负责人应维护技能库，防止其不断膨胀。

对于指南、产品规格或指标定义等参考材料，Anthropic 建议使用知识库，由智能体仅在需要时通过搜索工具进行查询。这类信息也可以作为参考文件嵌入技能中。Anthropic 建议不要通过代码获取上下文并直接注入提示词。

Anthropic 的发现与近期研究一致。Vals 的一项研究发现，智能体团队可能比单一智能体更快，但并不能带来更高的质量。该研究称，从 10 个智能体扩展到 30 个或 100 个智能体并未带来质量提升，但成本却显著增加。OpenAI 开发者 Eric Provencher 也曾质疑智能体集群的价值，称其“几乎肯定”是在浪费钱。