多 Agent 并行分析最佳实践

术-编排 · 术层 skill 全文

本页是 <code>rules/skills/bestpractice_multi_agent_analysis.md</code> 的逐字投影（仅隐私清洗，零改写）。

多 Agent 并行分析最佳实践

元数据

• 类型: BestPractice
• 适用场景: 文档分析、调研任务、复杂信息整合
• 创建日期: 2026-02-21
• 来源: 2026-02-16 "4+4"多 Agent 文档分析实验

实验背景

对房产调研文档进行并行分析，采用"4 个综合 + 4 个专题 + 1 个交叉验证"的 9 Agent 架构。

最终产出：11 个分析 JSON（4108 行）及可视化网站。

核心发现

Multi-agent 的真正价值：上下文窗口隔离

Multi-agent 框架的真正价值不在于角色扮演（PM/Dev/QA 分工），而在于上下文窗口隔离。

• 管理 Agent 不需要知道语法错误等低层细节，只需高层规划
• 每个 Agent 专注自己的抽象层次，减少信息过载
• 盲目模仿人类协作模式（如机械分工 PM/Dev/QA）是错误的 AI-native 设计

Topic 分割保持 50% 重叠

不要把任务完全切分，而是让相邻 Agent 有 50% 的职责重叠。

原因：

• 交叉区域最容易遗漏
• 重叠允许交叉验证
• 不同 Agent 对同一内容可能发现不同角度

50% 是本 skill 的 4+4 文档分析实验结论。其他任务类型的 overlap 取值（调研 30-50% / 代码 0-20%）参考 workflow_parallel_subagents §评估与分割，那里是 overlap 规则的 single source of truth，本 skill 的 50% 是该框架在文档分析场景下的具体取值。

交叉验证发现不一致

实验中发现的关键不一致：

• 车库转换可行性评估矛盾（Agent A 认为可行，Agent B 指出法规限制）
• 750 平方英尺阈值在不同文档中的解释差异

不一致不是 Bug，是特性——它暴露了信息中的矛盾和模糊点。

专题深入发现跨维度洞察

专题 Agent 比综合 Agent 更容易发现：

• 跨文档的模式
• 数值阈值（如 750 平方英尺）
• 隐藏的约束条件

推荐架构

小型任务（≤3 个文档）

2-3 个综合 Agent（50% 重叠）

中型任务（3-10 个文档）

3-4 个综合 Agent + 2-3 个专题 Agent

大型任务（>10 个文档）

4 个综合 Agent + 4 个专题 Agent + 1 个交叉验证 Agent

Agent 分工示例（按任务维度命名，不按角色扮演）

类型列有意避开"综合 agent / 专题 agent / 审核 agent"这类角色命名。本 skill 的核心主张是 multi-agent 的价值在上下文窗口隔离，不在角色扮演。命名定位到"任务维度"避免强化角色扮演思维。

输出格式

推荐使用结构化 JSON：

{
  "agent_id": "comprehensive_1",
  "scope": ["doc1.md", "doc2.md", "doc3.md"],
  "findings": [
    {
      "topic": "主题",
      "summary": "摘要",
      "evidence": "引用原文",
      "confidence": "high/medium/low"
    }
  ],
  "cross_refs": ["与 comprehensive_2 的发现 X 相关"]
}

与其他 Skill 的关系

本 bestpractice 是 并行 Subagent 工作流 的案例与扩展：workflow 定义何时用、核心参数、执行流程；本文档提供「4+4」实验的方法论总结与输出格式。

• 配合 workflow_parallel_subagents.md 的并行执行框架
• 配合 workflow_deep_research_survey.md 的调研工作流
• 输出可用于 bestpractice_staged_approach.md 的 Stage 2 处理

变更日志