多 Agent 協作前，先問自己是不是真的需要

把任務拆給「研究員、寫作者、審稿者」三個 Agent 聽起來很合理，實際上常常換來三倍成本、三倍延遲與更難追的錯誤。

單 Agent 就夠的訊號

• 任務可以用一組工具線性完成。
• 各步驟需要共享大量上下文。
• 延遲或成本敏感。

多 Agent 真正有價值的情況

• 需要獨立視角：例如產生方案與審查方案分開，避免自己檢查自己。
• 可平行且彼此獨立：十份文件各自摘要，最後合併。
• 權限必須隔離：讀取敏感資料的 Agent 不掛任何寫入工具。
• 上下文塞不下：每個子任務各自擁有完整上下文。

協作的介面要收斂成資料

# 不好：Agent 之間傳自然語言，錯誤會被放大
review = reviewer.run(f'請審查這份稿件：{draft}')

# 較好：傳結構化結果，主流程可判斷
review = reviewer.run(draft, schema={
    'issues': [{'severity': 'high|mid|low', 'where': 'str', 'why': 'str'}],
    'verdict': 'pass|revise',
})
if review['verdict'] == 'revise':
    draft = writer.revise(draft, review['issues'])

關鍵在於「協調邏輯用程式寫，不要交給模型」。迴圈幾次、什麼條件停止、失敗怎麼辦，這些是控制流程，程式碼比自然語言可靠得多。