多智能体分工设计的三条边界原则

多智能体分工最容易踩的坑，不是“谁能力不够”，而是“谁都觉得这事该自己做”。一开始看似只是重复执行，后来往往会变成结果互相覆盖、状态难以解释，最后连排查都不知道该问哪个 Agent。把边界画清楚，比给每个角色多写几句能力描述重要得多。

一件事只能有一个责任主体

每一种任务都应有唯一的最终负责者。这里的“负责”不只是能参与，而是拥有发起、执行或交付该任务的明确权利。两个 Agent 可以围绕同一份数据协作，但不能同时对同一个处理结果承担主责。

例如，一个 Agent 负责产出清洗后的数据，另一个 Agent 基于该结果做特征提取。前者可以识别并修正异常数据，后者也可以拒绝不符合输入要求的数据，但后者不应再次承担“修正原始数据”的职责。允许检查，不等于允许接管。

边界要按交付物划，而不是按动作划

“读取数据”“检查数据”“处理数据”这类动作很容易重叠，因为几乎每个 Agent 都可能需要做。更稳妥的划分方式，是让每个 Agent 对一个相对完整的交付物负责：谁产出什么，交付到什么状态，后续谁可以使用。

这样做还有一个好处：避免把流程拆得过碎。分工越细，交接越多，状态同步和失败重试就越复杂。一个 Agent 不必包办整个链路，但应尽量完成一段能独立验收的工作，而不是只完成一个难以脱离上下文的小动作。

认领权和协作权要分开

多智能体系统里，最危险的模糊地带是“谁发现谁处理”。这种机制听起来灵活，实际很容易让多个 Agent 同时认领任务。更合理的做法是，明确由一个责任方完成任务分配，其他 Agent 只在被分配后执行，或以建议、校验、补充信息的方式参与。

通信机制当然仍然重要：共享状态能告诉大家任务是否完成，唯一请求标识能减少重试带来的重复。但它解决的是“是否已经做过”，不是“到底该谁做”。如果职责本身重叠，再完善的通信也只是让多个 Agent 更高效地撞到一起。

真正好用的分工设计，往往能回答三个朴素的问题：这件事归谁、交付什么、其他 Agent 能参与到什么程度。把这三句话写清楚，许多后续的协调成本其实就已经被提前消掉了。