多 Agent 能提升质量，但 token 消耗约为单 Agent 的 15 倍，错误会被放大约 17 倍。本文给一套可执行的预算与降级规则。
2026-11-13 · 多 Agent、成本、编排
一句话：多 Agent 不是越多越好。单 Agent 任务成功率超过约 45% 之后，再加 Agent 的边际收益接近于零甚至为负。
| 指标 | 量级 | 含义 |
|---|---|---|
| token 开销 | 约为单 Agent 的 15 倍 | 同一件事，多 Agent 花 15 倍的钱 |
| 错误放大 | 约 17 倍 | 没有交叉验证时，每个 Agent 的幻觉都会变成下一环的输入 |
另一组社区实测的口径更有用：单 Agent 的成功率超过 45% 之后，增加 Agent 的边际收益趋近于零。换句话说，先看清楚单 Agent 卡在哪，再决定要不要加人。
| 规则 | 具体 |
|---|---|
| 任务分级 | 简单任务 1 个 Agent；复杂任务最多 5 个 |
| 逐次记账 | 每次调用记 token，任务结束出成本账 |
| 到 80% 降级 | 预算用到 80% 自动降级为单 Agent 继续 |
| 硬上限 | 单个复杂任务上限 5 美元，超出即停 |
80% 这个阈值假设成本可预测，但多 Agent 的成本方差本来就大，阈值会频繁误触发，时不时砍掉正常任务。
这条是成立的。缓解办法是阈值按任务类型分档，而不是全局一个 80%；同时降级后要保留可交付产出，不能因为省钱交付半成品——返工比省钱贵。
任务边界不清、前后强耦合、错误代价大（碰钱、碰生产数据）这三类，不加 Agent。多 Agent 的红利只属于边界清晰、能独立验证的任务。
社区实测口径约为单 Agent 的 15 倍 token 开销。
单 Agent 任务成功率超过约 45% 之后，再加 Agent 的边际收益趋近于零甚至为负。
会。没有交叉验证时错误可放大约 17 倍，因为上一个 Agent 的幻觉会成为下一个的输入。
任务分级、逐次记账、预算用到 80% 自动降级为单 Agent、给单任务设硬上限。