一句话定义：多智能体编排（Multi-Agent Orchestration）是指把多个 AI 智能体（Agent）组织成一支有分工、有流程、有交接规则的“团队”，由调度层决定谁在什么时候做什么、结果怎么汇总。
为什么不用一个 Agent 干完？
单个 Agent 的问题往往不是“不够聪明”，而是上下文窗口（context window）有限、工具权限容易越给越大、长任务里容易跑偏。打个比方：一个人从查资料、写初稿到做质检全包，写个短邮件没问题，但让他连续干八小时的项目，中途很可能忘了最初需求是什么。
多智能体编排的思路是：把大任务切成可交接的小任务，每个 Agent 只带自己需要的那点上下文和那几个工具。像一个项目组——有人拆需求、有人查资料、有人写初稿、有人挑毛病，最后由负责人拍板。
但要让“开会”真的有意义，编排层至少要解决三件事：
1. 角色与边界：谁负责什么，谁不能碰什么，防止互相甩锅或重复劳动；
2. 交接格式：上一个 Agent 交给下一个的，必须是机器能稳定读懂的产物，而不是一长串聊天记录；
3. 收敛机制：什么时候停、谁说了算、意见分歧怎么办（投票、仲裁 Agent，或退回给人工）。
它和相邻概念的区别
| 概念 | 关注点 | 一个例子 |
|---|---|---|
| 提示词工程（Prompt Engineering） | 怎么把一句话说清楚 | 让模型按指定 JSON 结构输出 |
| 工具调用（Tool Use / Function Calling） | 让一个 Agent 能用外部工具 | 调天气接口查明天的温度 |
| 工作流编排（Workflow Orchestration） | 固定步骤的自动化流水线 | 先抓数据，再清洗，再入库 |
| 多智能体编排 | 多个有自主性的 Agent 动态分工、协商 | 一个写、一个审、一个改，直到达标 |
关键差别在“自主性”和“动态性”：工作流像铁轨，多智能体更像一支能临时改分工的团队。代价也随之而来——更多 token 消耗、更长延迟、更难复现和调试，而且一个环节的错误可能被层层放大。
回到标题的问题：一群 Agent 开会，真的比一个干得好吗？
不一定。可以按这几条粗略判断：
- 任务能切成独立子任务、接口明确 → 多智能体常有优势；
- 任务需要单一连贯的长期上下文，比如写一篇风格统一的长文 → 单 Agent 往往更稳；
- 任务需要不同权限、不同工具、不同数据隔离 → 多智能体有价值，它同时也是安全边界；
- 只是“想让答案再好一点” → 加 Agent 常常只是更慢更贵，不如先改提示词或换更合适的模型。
另外，“多 Agent 互相讨论”很容易退化成互相附和，或陷入无休止的争论。因此实际系统里通常需要明确的终止条件和一个“裁判”，必要时把决定权交回给人。
对从业者：先把单 Agent、清晰工具、好提示词做到位，再考虑多智能体；引入时优先给每个 Agent 划清边界和输出格式，把编排层当成真正的软件系统来设计，而不是堆角色提示词。
对普通人：你可能会越来越多地看到“AI 团队”帮你跑完一段流程，但别默认人多就一定更好——真正值钱的是分工和验收标准。
具体产品的能力、价格与限额，以官方页面为准。