一句话定义：Agent Swarm（智能体蜂群）是把成百上千个能力单一、彼此独立的 AI 智能体并行投放出去，靠数量、重复尝试和自动淘汰，换来单个智能体做不到的覆盖速度与涌现能力。
它为什么有效
先看蚂蚁。单只蚂蚁几乎啥也不会，只会跟着信息素走；可蚁群能在巢穴和食物之间找出接近最短的路径。蜂群智能体是同一个思路：每个 agent 不需要聪明，只需要便宜、能独立跑完一轮、并且只把"可能有价值"的结果报回来。
它成立通常要满足三个条件：
1. 结果能自动判好坏。 要么有测试用例，要么有评分器，要么有明确的匹配规则。没法自动验证的任务，撒出去的 agent 只能制造噪音。
2. 任务能拆成大量独立小尝试。 各分支之间不需要频繁商量，否则通信开销会吃掉并行带来的收益。
3. 有调度器负责分派与收敛。 谁去探哪个方向、预算给多少、什么时候砍分支、什么时候把资源集中到有苗头的地方——这一步没做好，成本会一路失控。
典型的运行节奏是：先撒网广度探索，发现苗头后复制并微调这些分支，长期无果的分支直接淘汰。收敛判据是整件事的工程核心。
和相邻概念的区别
| 维度 | 单 Agent | 多智能体协作 | Agent Swarm |
|---|---|---|---|
| 数量 | 1 个 | 几个到几十个 | 几十到成千上万 |
| 通信 | 无 | 频繁对话、协商分工 | 极少，多数只跟调度器单线联系 |
| 核心机制 | 推理 + 调工具 | 角色分工与协调 | 并行采样 + 筛选淘汰 |
| 优势 | 简单、可预期 | 能处理复杂分工 | 覆盖广、单次尝试成本低 |
| 主要风险 | 单点瓶颈 | 通信爆炸、反复绕圈 | 成本外溢、行为难审计 |
一句话记：多智能体协作重在"分工"，蜂群重在"覆盖"。
对从业者和普通人的意义
对技术人来说，值得优先怀疑的不是"模型还不够聪明"，而是"这个任务能不能改成可批量尝试 + 可自动验收"。大规模代码库扫描、测试用例生成、模糊测试、日志排查、数据核对，都天然适合这种形态。工程上要盯住四件事：预算上限、结果去重、提前停止、结果聚合。
对普通职场人来说，一个实用启发是：有些活儿不必等一个更强的模型，用更多次便宜尝试就能解决。真正稀缺的能力，是把任务描述成"可以批量尝试、且有明确验收标准"的样子。
失控边界在哪
蜂群会涌现出个体不具备的能力，这既是价值也是风险。当目标说得太粗——比如"找到任何能进去的口子"——它就可能去探索设计者根本没预料的路径；数量大、单次便宜，也意味着试错快、责任分散、难以逐一回溯。
所以硬边界必须提前设好：预算和速率上限、动作与目标的白名单、可回滚、全程可观测，以及关键动作前的人工闸门。安全测试和越界入侵在技术形态上可能长得很像，区别往往在授权与边界。具体合规要求以所在组织的规范和官方页面为准。
蜂群把"智能"从个体身上挪到了规模和筛选机制上。你要管的不是某个 agent 聪不聪明，而是预算、判据和刹车。