最近多代理 AI 又變熱門，原因不難理解：一個 agent 會卡住，那就找研究 agent、寫作 agent、審稿 agent、部署 agent 各做各的，看起來像把小公司塞進一個工作流。

但這裡有一個反直覺判斷：多代理系統最先增加的，往往不是產能，而是交接成本。

單一 agent 失敗時，問題通常還算單純：提示不清楚、工具不夠、上下文缺失、驗收標準太模糊。多代理失敗時，問題會變成鏈式的。研究 agent 找到的資料不完整，寫作 agent 仍然把它包裝成結論；審稿 agent 只檢查語氣，沒有檢查事實；發布 agent 又照流程送出。每一段都「看起來有做事」，最後產物卻更難追責。

所以多代理不是「把人類主管拿掉」。比較務實的看法是，它會把人類工作從親手執行，推向流程設計與驗收設計。真正重要的不是有幾個 agent，而是每一次交棒時，下一個 agent 拿到的是不是可檢查、可拒收、可回滾的輸入。

適合多代理的場景通常有三種。

第一種是內容產線。例如題材蒐集、角度判斷、初稿、事實檢查、內部連結、發布，可以拆開做。但每一步都要有格式：資料來源、主張、不可碰的結論、需要人工確認的地方。

第二種是軟體維護。例如 issue 分類、重現錯誤、提出修補方案、寫測試、跑 CI。這種流程很適合 agent 分工，因為輸出可以被測試和 code review 驗收。

第三種是營運分析。例如每天整理客服問題、分群常見抱怨、產生 FAQ 草稿、回填到知識庫。這裡的價值不是 agent 寫得多快，而是能不能把零散訊號變成可重複更新的資產。

不適合的場景也很清楚：目標還沒定義、資料品質很差、失敗代價很高、或者每一步都需要高度商業判斷。這時候多代理只會把混亂放大。原本一個人想不清楚，變成五個 agent 很有禮貌地互相傳遞不清楚。

採用建議是先做「雙代理」，不要一開始就做團隊劇場。選一條低風險流程，讓一個 agent 產出，另一個 agent 用固定標準檢查；通過才進下一步，沒通過就退回。等交接格式、驗收標準、錯誤紀錄穩定，再增加角色。

判斷一個多代理流程值不值得做，可以問四句話：每個 agent 的輸入是什麼？輸出格式能不能被機器檢查？下一步可以拒收嗎？錯了之後能回到哪一段重跑？

答得出來，多代理才可能是槓桿。答不出來，它只是把「我不知道怎麼交代工作」這件事，自動化成更昂貴的版本。

TL;DR: Multi-agent AI is useful only when handoffs, validation, and rollback are explicit. More agents do not create leverage by default; clear workflow contracts do.