核心问题：为什么 Agent 越多不一定越强？什么情况下会”群体愚蠢”？
一、直觉陷阱：“人多力量大”
人类的直觉是”人多力量大”——团队越大，能力越强。但现实中，一个 5 人的扯皮小组，产出往往不如一个 2 人的高效搭档。组织越大，内耗越大，这个规律有个名字叫**“大组织病”**。
多智能体系统完美继承了这种病，甚至更严重——因为 Agent 之间的”沟通”是真金白银的 token 消耗，且 Agent 没有人类”顾全大局”的社会压力。
研究数据给出了相当反直觉的结论：Agent 越多，很多时候不是越强，而是死得越快。
二、四种”组织病”
病 1：规模悖论——3～4 个是”黄金分割点”
- 现象：任务越复杂，Agent 数量越多，系统表现反而越差，甚至直接崩溃。
- 原因：Agent 之间要同步状态、传递上下文、协商分工，这些通信开销会随数量指数级增长。当数量超过阈值，通信成本会吞掉核心推理能力——Agent 都忙着互相说话，没工夫干正事。
- 结论：3～4 个智能体是当前技术下的”黄金分割点”。超过这个数量，系统开始被通信拖垮，不是能力不够，是协调成本失控。
类比：3 个人开小会效率最高；30 个人开大会，一半时间在等别人发言。
人类版”规模上限”：邓巴数（Dunbar’s Number）
人类组织其实也有同样的天花板。人类学家罗宾·邓巴提出：由于大脑新皮层的容量限制，一个人能稳定维持社交关系的人数上限约为 150 人——这就是著名的邓巴数。超过这个规模，“靠记得住每个人”的软性关系就维系不住了，必须引入正式制度（组织架构、流程、KPI、审计）来替代——本质上就是用”硬制度”替代”软关系”。
这和多智能体何其相似：Agent 超过 3～4 个后，靠”自由沟通”已经协调不动，必须引入协议、调度器、审核节点。人类在 150 人的阈值上被迫制度化的规律，与 Agent 在 3～4 个的阈值上被迫协议化的规律，是同一个道理。
不过，2026 年 Science Advances 的一项研究《AI agents can coordinate via majority-following beyond human scale》给出了更细的图景：让 AI agent 群体通过**“多数跟随”机制自发形成共识，其临界群体规模会随模型能力快速增长——对先进 LLM 而言可超过 1000 个 agent**，远大于人类非正式群体。这说明规模上限不是物理定律，而是”模型能力 + 协调机制”的函数：模型越强、协调机制越简单（如多数跟随），可维持的规模就越大；而复杂推理型协作（需要互相传递上下文）依然受 3～4 个黄金分割点的约束。
病 2：基线悖论——单个模型够强，组团反而亏
- 现象：当单个 Agent 的准确率已经超过 45% 时，强行把它们组建成多智能体系统，反而带来负收益。
- 原因：多智能体的收益来自”互相纠错、取长补短”。但如果每个成员本身就不差，协作产生的收益抵消不了协作本身的开销（上下文传递、token 消耗、观点冲突）。
- 结论：组团不是免费的——单点能力越强，组团的边际收益越低，甚至为负。
直觉：两个 90 分的人讨论，未必比一个 90 分的人独自思考更好——讨论还可能把对方带偏。
病 3：错误放大效应——没人把关，错上加错
- 现象：未经检查的并行处理极其脆弱。研究数据显示，独立多智能体模式下，错误可被放大 17.2 倍；而集中式（有协调者审核）模式，错误仅放大 4.4 倍。
- 原因：独立模式下，每个 Agent 的错误会作为”事实”传递给下一个 Agent，下一个在此基础上继续犯错——错误沿着协作链逐级放大，像滚雪球。
- 结论：“协调者审核”机制不是可选项，是必需品。没有审核节点，多智能体系统不是在协作，是在批量制造共识性错误。
4.4 倍 vs 17.2 倍，差的是”有没有一个兜底的人盯着”。
病 4：水平最差者主导——坏的方案会说赢
- 现象：用三个不同水平的模型驱动三个智能体进行辩论，水平最差的那个，几乎百分之百能说服另外两个好的。
- 原因：模型的说服力与其”自信程度”强相关，而水平差的模型往往自信而不自知——它输出的论证流畅、语气笃定，但内容是错的。辩论模式下，好的 Agent 反而容易被”一本正经的胡说八道”带偏。
- 结论：辩论模式的质量上限，由最差的成员决定，而不是最好的。 组队时先给成员”排雷”，或让辩论结果经过第三方仲裁，否则最优解会被最差的提案带沟里。
三、四种组织病速查表
| 病名 | 核心结论 | 落地启示 |
|---|---|---|
| 规模悖论 | 3～4 个 Agent 是黄金分割点，再多通信成本吞掉推理 | 别盲目堆数量 |
| 基线悖论 | 单点准确率 >45% 后，组团反而负收益 | 单点够强就别硬组团 |
| 错误放大 | 独立模式放大 17.2 倍，有审核仅 4.4 倍 | 必须设协调者审核 |
| 最差者主导 | 最差的 Agent 几乎必胜说服同伴 | 组队先排雷，辩论加仲裁 |
四、对 Agent 开发的启示：落地最该避开的坑
这是四个议题里最贴近实战的一个——组织病是多数多智能体项目失败的直接原因。
三条硬建议：
- 控制数量，3～4 个起步：先用最小规模跑通，再根据实测决定要不要加 Agent。每个新增 Agent 都要问：它带来的收益，抵得过它带来的通信开销吗？
- 永远有一个”协调者审核”节点：不管什么拓扑，都要有角色专门负责审结果、拦错误。数据摆在那里——17.2 倍和 4.4 倍的差距，就是一个审核节点的事。
- 辩论模式必须防”最差者”：要么限制成员的模型水平下限，要么给辩论加独立仲裁，防止”自信的错误”带偏全局。
数据出处：这些数字来自同一篇论文
本文的基线悖论（45%）、错误放大（17.2× / 4.4×）数据，均出自 Google Research、MIT 与 Google DeepMind 的联合论文《Towards a Science of Scaling Agent Systems》（arXiv:2512.08296）。该研究在 180 种配置下系统对比了单 Agent 与四种多 Agent 架构，三个核心发现正是本文的”病 2”与”病 3”：
- 能力饱和：单 Agent 基线超过约 45% 后，协调收益转为负（β=−0.404，p<0.001）；
- 拓扑依赖的错误放大：独立（Independent）多智能体错误放大 17.2×，集中式（Centralized）协调控制在 4.4×。
总结
| 关键结论 | 内容 |
|---|---|
| 规模悖论 | 任务越复杂越不能堆 Agent，3～4 个是黄金分割点 |
| 基线悖论 | 单点准确率 >45%，组团负收益 |
| 错误放大 | 独立模式放大 17.2 倍，集中审核仅 4.4 倍 |
| 最差者主导 | 最差的 Agent 几乎一定能说服别人 |
| 核心启示 | 少即是多 + 协调者审核 + 辩论防雷 |
一句话：多智能体不是”人多力量大”，而是”人多嘴杂、错多难查”——控制规模、设好审核，才能避开群体愚蠢。