Anthropic 第一次做能自己搞研究的 AI 时，给它配了一个团队。
一个模型当领队：读问题、拆成几块，派几个帮手模型同时去网上搜，再把它们找回来的东西汇总，写成答案。纸面上看，这就是一间编辑部。
实际上，这是新主编上班第一天的编辑部。早期版本回答简单问题也要拉起 50 个帮手。有的帮手没完没了地找根本不存在的资料，有的不停拿进展汇报互相打扰。
真正的毛病出在交代上。领队派活时只说一句「研究一下半导体短缺」。于是一个帮手跑去研究 2021 年的汽车芯片危机，另外两个都去查 2025 年的供应链，并排跑着同样的搜索。没人告诉它们谁负责哪一块。
交代清楚，就是活本身
AI 领队把活拆给几个 AI，交代清不清，结果差很多。
Anthropic 在 2024 年的一份指南里给它起名叫「编排者-工作者」：一个中心模型临场把任务拆开，分给几个工作者模型，再把交回来的东西拼起来。要点在于，拆成哪几块不是事先定好的，而是编排者看着眼前的任务现拆。
用对了，效果很好。Anthropic 最终做成的研究系统，由 Claude Opus 4 当领队、几个 Claude Sonnet 4 当帮手，在公司内部的研究测试里比单个 Claude Opus 4 强 90.2%。让它找出标普 500 里所有信息技术公司的董事会成员，团队把名单拆开分头查，找到了；单个模型一家一家地搜，没找到。
选举之夜的主编就是这么干的。她不会每篇稿子都自己写。州长选情交给一个记者，投票率交给另一个，公投议题交给第三个，她自己的时间花在决定头版放什么。她的本事，全在拆和交代上。
除了在工具和评测上下功夫，Anthropic 的一个主要解法，就是教领队像这位主编一样交代。现在每个帮手都会拿到四样东西：目标、答案交回来的格式、该用哪些工具和资料来源、自己这块活到哪为止。领队还拿到了几条估人手的经验法则：查一个简单事实，一个智能体就够；只有铺得很开的研究问题，才派一大群。
它在哪里失灵
这个模式有代价，也有适合它的活。
代价是用量。按 Anthropic 的数据，多智能体跑一次消耗的 token 约是普通对话的 15 倍，所以只有答案值这个价才划算。
适合的活，是能干净拆开的活。Anthropic 提醒：每个智能体都要共享同一份上下文的任务，或者各块之间牵扯很多的任务，都不太合适；而大多数编程任务里真正能并行的部分，比研究少。谷歌 2025 年 12 月的一项研究看到了同样的分界：一项能拆成独立几块的财务分析任务，智能体团队表现很好；一项每一步都依赖上一步的规划任务，他们测的每一种多智能体组合都不如单个智能体。这又是布鲁克斯定律：活能拆开，加人才最有用。
你本来就是那个领队
想象某个周一，你把一份市场报告拆成四块分给同事，每块只交代了一句话。到了周五，两个人都在拆同一家竞争对手的年报，定价那块没人碰，第四个人在精修一节你根本用不上的内容。没人偷懒，只是交代只有一句话。
Anthropic 那四样交代，拿来检验任何一次交接都好用，不管对面是人还是 AI：每个人知不知道目标是什么、要交回什么、用什么、自己那块到哪为止？缺了哪一样，重复和缺口往往就跟着来了。
换成 AI，还多了两处不同。在 Anthropic 的系统里，帮手一出发，领队就没法再中途调整它们，所以交代里漏掉的东西就一直漏着。而人手配多了，账单立刻就来，算在 token 上。那个为一个简单问题派出 50 个帮手的早期系统，是在用机器的速度犯管理者最老的错误：还没想清楚活是什么，就先招了人。