实践anthropic-engineeringLLM 自动摘要 · deepseek-v3-2-251201待验证
How we built our multi-agent research sy — Anthropic 揭秘多智能体研究系统架构，90% 性能提升来自并行化与高效令
Anthropic 揭秘多智能体研究系统架构，90% 性能提升来自并行化与高效令牌使用
2025-06-13原文
本条为 LLM 自动摘要（model:
deepseek-v3-2-251201）。 细节以原文为准。发现错误请在 GitHub 提 issue。- 并行子代理压缩信息：主代理创建并行子代理探索不同方面，各自拥有独立上下文窗口，最后汇总关键信息。这意味着智能体编排设计需支持动态任务分解与并行执行。
- 令牌用量决定性能：分析显示，95%的性能差异可由令牌用量、工具调用次数和模型选择解释，其中令牌用量单独解释80%的差异。这提示在构建多智能体系统时，需将令牌预算作为核心设计约束。
- 提示工程应对协调复杂性：早期系统曾因协调不善产生问题（如创建过多子代理）。通过精心设计提示（如让代理像人类研究者一样思考、设定明确目标、限制工具使用）来引导行为，是改善系统可靠性的主要手段。