Multi-agent System
多智能体架构将一个复杂任务拆分给多个专业化的智能体，每个智能体都拥有自己干净、专注的上下文。
为什么需要
当太多类型的信息在一个上下文窗口中竞争时，会导致注意力稀释和上下文干扰。多智能体通过隔离解决此问题。
在 Context Engineering 中的位置
属于 Context Engineering 的 Isolate（隔离） 策略。
实际案例
Anthropic 的多智能体研究系统：
- 一个 Opus 4 作为首席研究员智能体，将子任务委派给 Sonnet 4 子智能体
- “研究”智能体的上下文装满了搜索工具和检索到的文档
- “撰稿”智能体的上下文装满了风格指南和格式规则
- 研究任务上比单个 Opus 4 提升了 90.2%，使用相同的模型家族
- 全部性能提升来自上下文管理方式的优化，而非更强大的模型
在 AI UX 中的角色
当多个智能体同时作用于共享系统、共享预算和共享责任时，用户需要借助 Orchestration Surface 看见受影响对象、权限边界和冲突指令。
多智能体系统的可用性问题，很多时候会出现在协调层，而不只是模型层。
争论
其他研究（如 Cognition/Devin）认为，具有良好压缩能力的单智能体比多智能体更稳定、成本更低。答案取决于任务复杂度、成本容忍度和可靠性要求。