三个AI干活，是吵架、流水线，还是开公司
阅读方式：微信读书网页版，从版权页翻到第 16 章末，共 766 屏、16 章、15 分 06 秒。 十六章：基础、感知、记忆、知识、情感、推理、工具、多智能体协同、开发流程、参考架构、设计模式、深度研究、数据分析、数据科学、决策优化、机器视觉。
这本书的目录，是我读的这一批书里最有条理的一份。
第 2 到第 8 章，一章一个能力：感知、记忆、知识、情感、推理、工具、协同。
七章排下来，等于给"智能体该会什么"列了一张清单。
而清单里有一项，让我停了一下——第 5 章，情感能力。
一、七种能力，一章一个
前六项的分工很清楚：
感知——看得见。文字、图像、语音，先得进得来。
记忆——记得住。上下文、历史、用户偏好。
知识——查得到。外挂知识库，不靠模型自己背。
推理——想得清。下一步做什么。
工具——动得了手。真的去调接口、跑脚本。
这五项，任何一本讲智能体的书都会讲。真正少见的是"情感"这一章的存在。
我读过的技术书里，绝大多数会把"情绪"归到"话术"或"语气"里去写，不单独设一章。这本书把它当成一种能力来对待，等于承认了一件事：很多智能体的成败，不在它对不对，在它让人舒不舒服。
这个判断我觉得是对的。客服、陪伴、教育、医疗问诊——这些场景里，答案正确只是及格线，语气和分寸才决定用户还用不用第二次。
二、三个 AI 怎么分工：吵架、流水线、还是开公司
第 8 章讲多智能体协同，把主流框架分成三种组织方式。这一段是全书信息密度最高的地方，我几乎逐条抄了下来。
第一种：辩论会 —— AutoGen
支持多样化的会话模式，如"双人辩论"或"圆桌会议"，这种对抗性或协作性的交互能够有效消除单体模型的认知幻觉。开发者通过"对话编程"（Conversation Programming）定义智能体之间的交互行为。
关键在"有效消除认知幻觉"这七个字。它的思路不是让一个模型更聪明，是让两个模型对着干——你说东，我说西，谁站不住脚谁就输了。
第二种：流水线 —— MetaGPT
将人类的标准作业程序（SOP）固化为智能体的协作流程。核心理念 Code=SOP(Team)，强调将复杂任务拆解为产品经理、架构师、工程师等角色的原子化推理步骤。通过强制执行标准化的输出接口（如 PRD 文档、API 接口定义），实现推理过程的流水线化……并通过角色间的相互校验（Cross-check），构建了工程层面的逻辑纠错机制。
这个理念的名字起得很妙：Code = SOP(Team)。
意思是——你不需要发明一套"AI 团队"的新规矩，直接把人公司里那套流程搬过来就行。 产品经理写 PRD，架构师出接口定义，工程师照着实现。谁交给谁什么东西，全是现成的。
而"强制执行标准化输出接口"这一句，是它能跑通的原因：每一棒交接的东西格式是定死的，下一棒才接得住。
第三种：开公司 —— CrewAI
引入层级化（Hierarchical）和顺序化（Sequential）的流程管理。通过 Crew（团队）与 Flow（流）的结合，定义明确的汇报关系和任务委派逻辑。在这种模式下，高级智能体（Manager Agent）负责分解与质量审核，执行智能体专注于具体任务。
这一种最像真实的组织：有 Manager，有执行者，有汇报线。
它的好处是可管——你能看出哪一步卡住了，哪个角色在摸鱼。代价是多了一层，也就多了一次失真。
三种方式，我用一句话概括：
AutoGen 让它们吵，MetaGPT 让它们排队交活，CrewAI 让它们上下级汇报。
三、拆开之后，好在哪
三种方式各不相同，但它们解决的是同一个毛病：单个模型自己检查自己，是查不出错的。
你让它写完再"检查一遍"，它往往会说"检查过了，没问题"——因为它是用同一套判断标准在检查同一套输出。它的盲区和它的错误是同一个来源。
而拆成多个角色之后，最起码发生了一件事：检查的人和写的人不是同一个。
MetaGPT 那句"角色间的相互校验（Cross-check），构建了工程层面的逻辑纠错机制"，说的就是这个。它把质检从"自己再看一眼"变成了"别人来挑刺"。
这也是我在别处看到的一个规律：AI 最难的是发现自己错了，最容易的是发现别人错了。 多智能体之所以有用，不是因为"人多力量大"，是因为它给模型创造了一个"别人"。
不过这里有一个前提，书里也点到了：分工的依据是接口。
MetaGPT 能跑，靠的是 PRD、API 定义这些强制格式。如果每一棒的交付物格式不定死，拆得越多越乱——你得到的不是团队，是三个各说各话的人。
四、五个现成智能体
第 12 到 16 章，给了五类具体的智能体：深度研究、数据分析、数据科学、决策优化、机器视觉。
这五类选得挺准，它们有个共同点：都是"过程比答案重要"的活。
深度研究要能说清资料从哪来；数据分析要能复现每一步；数据科学要能交代建模选择；决策优化要能摆出约束条件。这几类工作里，只给结论不给过程，等于没做。
而机器视觉是另一路——它把"看见"直接变成动作，最接近"具身"的那一端。
五、这本书的短板
一是能力分章有重复。 记忆、知识、感知三章有大量交叉，"记住一段对话"和"从知识库检索"在实现上高度重合，分成三章反而让人分不清边界。
二是框架部分绑版本。 AutoGen、MetaGPT、CrewAI 的接口都在快速变，书里给的代码示例过一阵就跑不通。
三是五个应用停在"结构说明"。 每章都讲了这类智能体由哪些模块组成，但很少给一条能跑通的完整链路。读完你知道它分几层，但还是不知道第一步该写什么。
它的优点是：它把"能力"当成组织全书的骨架。 这个选择比按技术栈分章聪明——因为技术栈三年一换，而"一个智能体得会什么"这个问题，是相对稳定的。
六、一句话
这本书讲了很多技术，但最值得带走的是那个观察：单个模型查不出自己的错，因为它用同一套标准检查同一套输出。 所以多智能体的真正价值不是"人多好办事"，是给模型造一个"别人"——一个会挑刺、会追问、会拿不同标准来量它的角色。至于用吵架、用流水线、还是用上下级，反倒次要：先想清楚每一棒交什么东西，再决定要不要拆。
阅读记录：微信读书网页版逐页翻阅，766 屏 / 16 章 / 15 分 06 秒。
本书知识图谱见文中配图，原图地址：https://jiangtian.top/zb_users/upload/kg/agent-seven-abilities-map.png
发表评论: