一、三层结构：先对单兵，再谈配合

九阶段分三层：单个智能体（做对一件事）→ 协调层（让多个 Agent 分工）→ 生产就绪（稳定可交付）。多数人一上来就想"组队"，结果是一群智能体在五个标签页里自言自语。

二、单个智能体做对（阶段 1–3）

• 定义循环：智能体是"接收目标→选动作→执行→观察→再决定"的循环，不是一次性长补全。务必设停止条件（目标达成/达到最大迭代数 30–50/人工中止/错误超阈值），否则烧钱。
• 上下文四操作：写入（每步放什么进上下文要刻意）、选取（检索而非倾倒）、压缩（满了就摘要旧内容）、隔离（子 Agent 用自己的窗口，主线程保持干净）。
• 类型化工具：给工具定清晰字段与校验，让模型"填表"而非"即兴猜格式"，并用 preconditions / requires_approval / blocked_targets 等约束把规则卡死。

三、协调层（阶段 4–6）

子智能体不是主 Agent 的复制，而是有自己上下文、工具甚至模型的专家；主 Agent 把"调研"委派出去，只收回摘要。编排者只规划不执行，用共享任务列表让彼此知道在干什么。

最大单项收益是"隔离子智能体上下文"：子 Agent 拿一个新窗口干活，返回摘要而非原始记录，主线程永远不被噪音淹没。

四、生产就绪（阶段 7–9）

记忆与持久化+沙盒（出错不污染全局）、评测与轨迹检查（不只看结果对不对，也看过程是否绕路/越权）、权限文件与人工检查点（高风险动作先人审）。

五、普通人怎么用这套思路

你未必自己写代码。用现成 Agent 平台搭多智能体时，照这 9 关自检：有没有明确停止条件？子任务上下文是否隔离？高风险操作是否有人工确认？满足这三点，演示就能变成真能干活的工具。

行动建议：下次用多智能体工作流，先画一张"谁负责什么、共享什么、哪步要人审"的清单，比直接堆智能体靠谱得多。