为什么我们砍掉了多智能体流水线 — Subbiah Sethuraman 和 Abhilash Asokan, ZS Associates

ZS Associates 的 Subbiah Sethuraman 和 Abhilash Asokan 在 AI Engineer 播客中分享了他们在医药分析系统中从多智能体流水线转向单智能体加确定性管道的经验。他们的第一个系统模仿人类分析师：一个智能体检测信号，一个定位，一个找原因，一个综合，全部连接到一个编排器。但系统给出的答案如“处方下降18%是因为支付方将药物移至更差层级，所以多派销售代表”虽然原因正确，行动却错误，因为没有一个智能体掌握全局。

团队决定砍掉多智能体流水线。他们没有重新设计拓扑，而是打开一个空目录，给 Claude Code bash 和数据库权限，观察它实际做了什么。重建后的系统更小而非更大：信号检测移入确定性管道，在智能体启动前运行，这样智能体只负责调查而非猜测。单个智能体拥有推理权，仅在需要聚焦查询时生成子智能体。医药知识图谱作为控制平面而非查找表：每条边都是智能体需要针对数据验证的假设，从而限制搜索空间。

这个案例对中文 AI/科技读者极具价值，因为它挑战了“多智能体=更好”的流行假设。团队通过实际业务场景验证了更简洁的架构可能更有效，尤其是当任务需要全局推理时。此外，他们将知识图谱作为假设验证框架的设计思路，为结构化知识与大模型结合提供了可借鉴的模式。

最终系统在20分钟内完成分析师一个月的工作量，证明了简化架构在特定场景下的巨大效率提升。这一经验对于正在构建复杂 AI 系统的团队具有直接参考意义，尤其是那些面临多智能体协调难题的开发者。