導讀：多個 AI 智能體一起工作，不是隨便組合就有效。選對模式系統高效，選錯了再聰明的 Agent 也浪費資源。
模式一：編輯—撰稿（Generator-Verifier）
一個 Agent 生成，另一個驗證品質。過不了就打回重寫。適用：程式碼審查、事實查核、資料驗證。簡單清晰；但驗證者持續不滿意可能陷入迴圈。
模式二：協調—子智能體（Orchestrator-Subagent）
主 Agent 分解任務，派給多個專屬子 Agent 執行。文案寫標題、設計生成圖片、後端寫 API，各司其職。90% 的商務問題用這個模式就夠了。
模式三：Agent 團隊（Agent Teams）
多個平等 Agent 並行工作在同一問題的不同面向。經濟分析 Agent 研究數據、競爭分析 Agent 研究對手、用戶 Agent 研究心理，同時工作後整合。效率高、視角全面；但結果需額外整合，容易有重複或矛盾。
模式四：訊息匯流（Message Bus）
多個鬆散耦合的 Agent 透過共同訊息系統溝通。Agent A 發布「資料清理完成」，其他 Agent 自行決定是否跟進。適用：事件驅動系統、監控警告。靈活可擴展，一個 Agent 掛掉不連鎖故障；但除錯困難。
模式五：共享狀態（Shared State）
多個 Agent 協力建構並更新同一個知識庫，像所有人共用一份 Google 文件。適用：知識積累、多輪對話歷史。高度協調、資訊一致；但狀態管理複雜，容易出現衝突。
選擇原則
Anthropic 的建議：不要過度工程化。
- 能用編輯—撰稿解決，就別用協調—子智能體
- 發現瓶頸才升級，不要預先設計複雜架構
- 每多一個 Agent 就多一份上下文開銷
最好的架構，就是解決問題所需的最簡單架構。
References
- Anthropic (2025). Building Effective Agents: Five Collaboration Patterns. Multi-Agent Systems Blog
- Chen K, Zhang Y (2024). Context Window Management in Large Language Models. NeurIPS 2024
- Enterprise AI Architecture Patterns (2025). O'Reilly Media
常見問題
哪種多智能體協作模式最適合初學者？
編輯—撰稿模式（Generator-Verifier）最簡單，一個 Agent 生成內容、另一個驗證品質，邏輯清晰，非常適合品質管制的入門場景。
90% 的商務問題用哪種模式就夠了？
協調—子智能體模式（Orchestrator-Subagent）。主 Agent 負責決策與分派，子 Agent 各司其職執行，適合絕大多數結構化商務流程，不必過度工程化。
什麼時候才需要訊息匯流或共享狀態這種複雜模式？
當任務具有事件驅動特性（如多服務自動串聯）或需要多個 Agent 持續累積同一知識庫時，才值得投入這類架構的管理成本。