一个由 Lead Agent 协调、多个 Subagent 并行搜索的系统，如何从原型走向生产？ 本页把原文的工程教训浓缩为可交互的可视化学习路径。
多智能体系统通过分发 token 到并行上下文来扩展模型能力， 在广度优先的研究任务上比单 Agent 高 90.2%，但也烧掉 15× 的 tokens。 成败关键不在模型，而在 Prompt 工程、工具设计、可观测性 三件事。 生产化的难点是：错误会级联、Agent 有状态、调试是非确定性的。
研究类任务是 开放式、路径依赖、不可预测 的 —— 你无法硬编码一条固定的探索路径。 多智能体的本质优势是：用并行的独立上下文，把"搜索即压缩"这件事做到极致。
点击「播放」按钮，看一次用户查询如何流经 LeadResearcher → 并行 Subagents → CitationAgent。 注意 Memory 模块：当上下文超过 200K tokens 会被截断，所以计划要持久化。
Prompt 是控制 Agent 行为的主要杠杆。这些原则是 Anthropic 从真实失败模式中提炼出来的 —— 不是规则，而是 启发式（heuristics）。
多智能体的输出是非确定性的 —— 同一个 query，不同路径都可能是"对的"。 所以评估的重点是 "结果是否正确 + 过程是否合理"，而不是复核每一步。
20 条用例 > 0 条完美用例
一个 prompt，五项 rubric，0.0–1.0 打分
自动化永远抓不到的边界情况
传统软件里 bug 只会坏一个功能；Agentic 系统里，小变动会级联成大行为差异。
长时间运行，跨多次工具调用维护状态。一个小故障被后续步骤放大，重启代价巨大。
相同 prompt 两次运行轨迹不同。用户说"找不到明显信息"，但你看不出哪一步错了。
Agent 是长生命周期状态机，部署时它可能正停在任意步骤。直接替换版本 = 在跑的任务报废。
目前 Lead 同步等待所有 Subagent 完成。一个慢的 Subagent 拖住全局；Lead 无法实时引导 Subagent。
一页决策框：先问清楚三个问题，再决定架构。
很容易被忽略但极有用的工程技巧。
对于会修改持久状态的 Agent，别去逐轮校验每一步决策 —— 那是徒劳。检查它最终达到的状态是否正确。复杂流程就拆成若干离散 checkpoint。
上百轮对话时标准 context window 不够。让 Agent 总结阶段性工作写入外部 memory，逼近上限时用干净 context 启动新 Subagent 承接工作，实现"分布式"的对话连续性。
不要让所有结果都经由 Lead 转交 —— 那是"传话游戏"，信息会损耗。让 Subagent 把结构化产出写到外部存储，只把引用传回 Lead，对代码/报告/数据尤其有效。