多代理并行深度调研方法论

[!info] TL;DR
对复杂跨领域主题进行世界级深度调研时,分层并行多代理 + EXTEND 而非 REPEAT 是最优模式。v1 总览（3 agent）→ v2 子领域深挖（9 agent）→ v3 跨切面扩展（多 agent）,累计约 12-15 agent、约 700 工具调用、1.2M+ 字符产出,墙钟时间仅约 1.5 小时。

核心原则：

1. 分层而非扁平:v1 阶段先建认知坐标系（总览）,v2 阶段填补事实层（深挖）,v3 阶段扩展边缘（区域 / forensics），以避免”局部细节淹没整体框架”。
2. 代理 EXTEND 而非 REPEAT:每个 v2 代理必须显式承诺不重复 v1 —— 通过 prompt 强制要求（”完全不重复 v1 deep-dive,只往更深处挖掘”）,否则将产出重复内容。
3. 信息隔离 + 并行:v2 的 9 个代理互不通信 → 减少 confirmation bias 同时最大化覆盖面。
4. 写入磁盘 + 简短返回:每个代理写完整产出到磁盘,仅返回 ≤ 300 字总结 → 保护主代理的上下文窗口。
5. 质量门:每个代理强制要求字数 ≥ 30K 中文字符、引用源 ≥ 35 个、真实代码 / tx hash / SEC 文件引用 → 防止泛泛而谈。

典型分层结构（基于 3 个调研对象 × 3-5 个子领域）：

v1: 3 agent（每个对象 1 个总览）          → 30-50K 字符 / 项目
v2: 9 agent（每个对象 3 个子领域深挖）    → 25-50K 字符 / 子领域
v3: 3-5 agent（跨切面 / 区域 / 链上数据） → 35-50K 字符 / 切面
合成层：2 agent（主调研员 + 综合层）      → 15-25K 字符

关键 prompt 要素（每个代理）：

• 上下文（已有 v1 文件路径,明确不重复）
• 输出文件路径 + 字数要求（最低）
• 子领域清单（每个最少 X 字）
• 引用类型清单（代码路径 + 行号、tx hash、SEC 文件、X 帖子、podcast URL 等）
• 工作方式（WebSearch 至少 N 次 / Bash 在 repos/ 查代码）
• 返回内容限制（≤ 300 字）

避免的坑：

• ❌ 把全部内容塞给单个代理（深度 ≠ 长度,质量崩塌）
• ❌ 不要求代理 EXTEND（默认会 repeat v1 内容）
• ❌ 不限制返回字数（主代理上下文窗口爆炸）
• ❌ 不要求真实引用（代理可能编造）
• ❌ 不分层（同时启动 15 个代理,缺乏 v1 坐标系 → 失焦）

成本估算（Opus 4.7）：

• 每代理约 600K tokens 输入 + 100K tokens 输出 = $30-50 / 代理
• 12 agents = $360-600 / 完整调研
• 与人类专家相比 $5000-15000 / 同等深度
• 比例:约 1/20 ~ 1/40

典型应用场景：

• 商业尽职调查（DD）
• 投资标的研究（公司 / 行业 / 区域）
• 监管与立法跟踪（多 jurisdiction 并行）
• 竞争对手分析（多家 / 多维度并行）
• 学术文献综述（多主题 / 多语种并行）

评分：调研效率 9/10、深度 8.5/10、综合协调 8/10（仍需主代理人工合成 master README 与跨切面综合内容）

来源: projects/blockchain-research-2026-05/CROSS-STRATEGIC-SYNTHESIS.md（元方法论反思）

Related

• Wiki Index
• 翰林院辩论 workflow
• 5 层意图分解
• 迭代事实修订归档