多智能体 LLM 系统为何失败？—— 一场 AI 组织学的探秘之旅

“幸福的家庭都是相似的，而不幸的家庭各有各的不幸。”
——列夫·托尔斯泰，《安娜·卡列尼娜》

“成功的系统都相似，而失败的系统各有各的毛病。”
——伯克利大学，2025

---

🌍 引言：多智能体 LLM 系统的承诺与现实

近年来，基于大语言模型（LLM）的智能体系统（Agentic Systems）在 AI 领域引发了广泛关注。它们能够处理复杂的多步骤任务，并在动态环境中进行交互，使其在软件工程、药物研发、科学模拟等领域展现出巨大潜力。然而，当这些智能体被组织成多智能体系统（Multi-Agent Systems, MAS）时，情况却变得扑朔迷离。

尽管 MAS 旨在通过任务分解、并行计算、上下文隔离和多样化推理来提升性能，但现实却不尽如人意。研究发现，MAS 在流行的基准测试中表现平平，甚至在某些情况下，其准确性和效率还不如单智能体系统。这一现象引发了一个关键问题：

为什么多智能体 LLM 系统会失败？

为了回答这个问题，研究人员对五种流行的 MAS 框架进行了系统性分析，涵盖 150 多个任务，并由六位专家进行详细标注。最终，他们识别出了 14 种独特的失败模式，并将其归纳为 三大类失败类别。本文将带领你深入探讨这些失败模式，揭示 MAS 失败的根本原因，并探索可能的解决方案。

---

🔍 多智能体系统的失败模式：一场系统性调查

研究团队采用了 扎根理论（Grounded Theory） 方法，对 150 多条 MAS 运行轨迹进行了深入分析。这些轨迹平均包含