多 Agent 现在到底能干到什么程度？我组了一个 AI 团队实测了一轮

我越来越觉得，多 Agent 的下一步不是一个人指挥更多 Agent，而是多个人和多个 Agent 在同一个群、同一份上下文里一起干活。Teamily AI 是我目前看到认真做这件事的 Humans + Agents 平台。

但用多 Agent 干活，我最怕一种情况：第一个 AI 理解错了，后面几个顺着这个错，越干越卖力。

这周我就在 Teamily AI 拉了一个群实测：三个 AI 成员，再加一位一起合作的伙伴，拿 2.0 的 Website Builder 给我那门还没上线的 AI 编程课做宣传页。中途我改了一次关键前提，看看它们能不能跟上。

先看最终成果：

我想借这次实测回答三个问题：

• 现在的 AI 团队怎么分工、怎么交接？

• 中途改需求，它们能不能接着推同一个项目？

• 最后交出来的东西，人还得管多少？

一. 几个 AI 一起干活，为什么反而容易跑偏

先说我为什么会怕。

多 Agent 的思路很好理解：一个 AI 查资料，一个写文案，一个做网页，像个小团队。但用过就知道，人类团队有的毛病，它们也有。

• 错误会被接着用：前一个 agent 的输出，就是后一个的工作材料。一个没核实的判断，可能一路流进成品。

• 交接会丢条件：结论传过去了，但"这条只在某种情况下成立""这份资料还没确认"这些条件，没跟着传过去。

• 各干各的不等于干完：文案写了，网页也生成了，可没人回头看它还符不符合最开始的需求。

这不是我拍脑袋。UC Berkeley 团队有一篇研究，把多 Agent 系统的失败归成三类：系统设计本身有问题、agent 之间配合出错、最后没人好好验收。

当然，单个 AI 连续干活也会一错到底。多 Agent 只是多了交接和协调两个环节，也就多了两个出错的口子。

二. 那该怎么判断一个 AI 团队靠不靠谱

我给自己定了三个观察点，后面的实测一条条对：

1. 分工清不清楚：谁负责什么，下一步要等谁的成果。

2. 改动能不能传下去：我中途改了要求，相关环节有没有跟着调。

3. 交付前有没有人检查：查了什么，拿什么查的，查出问题怎么办。

第三条是我最在意的。Anthropic 工程团队写过他们做长任务的做法是，把规划、制作、评估拆给不同角色，负责评估的那个要去实际打开应用检查。但加一个审核 agent 也不等于就可靠了，审核的也可能看漏。

还有个前提得先说。Google 研究发现，多 Agent 并不是在所有任务上都比单 Agent 强，任务适不适合拆，结果差别很大。

所以这次我只测一件事：一个本来就适合拆成调研、文案、网页、审核的真实任务，一个 AI 团队能做到什么程度。

三. 开始实测：把课程资料交给一个 AI 团队

背景是这样的：我在做一门 AI 编程课，大纲改到了 v2.2，但课还没上线，需要先有个宣传页。

我跟 Teamily 里的 Personal AI 说：帮我建一个"AI Coding 课程推广"群，成员你来定，控制在 3 到 4 个，先把队组好，我再给资料。

它建出来的群，是我加 3 个 AI 成员。后来我又把一起合作的伙伴拉了进来，请这位伙伴站在读者的角度看页面：

然后我把两份资料丢进群里，顺便讲清楚页面给谁看、要达到什么效果、哪些事实不能编。

接着群里出现了一份三步执行计划。我最想让你看的是一个小细节：第二步后面标着 depends on #1，第三步标着 depends on #2。

也就是说，它们不是三个 AI 同时开工、各写各的。Webpage Developer 要等 Market Research 的文案出来才动手，有先后，有交接。

第一个观察点，分工这块，它是清楚的。

四. 第一版出来，我不太满意

第一版很快就出来了。深色背景、橙色渐变、发光按钮，很有 AI 产品那味。

但我看完挺不满意的：

• 标题断行很别扭，"能上线、能被验证收费"被拆得七零八落。

• 流程卡片和大段文字堆在前面，我最想让人看到的项目反而压在后面。

• 发光和渐变太多，看久了有点累。

伙伴看完第一版，在群里就回了一句：这个版本 AI 味太重了。

这话说得比我还直接。我列的那几条，其实都是这个意思。

还有一个更要紧的问题。课程作品这块，我得先跟它们说清楚：没有学员作品集，因为这门课还没上线。这里只能讲课程会带你做出哪些项目，不能写成已经有学员做出来了。

"课程作品"和"学员作品"只差两个字，代表的事实完全不一样。课还没上线，写成后者就是在编。

所以我把这些，连同伙伴那条，攒成一轮整改意见发进群里：标题控制在两行、按意思断行，项目往前放、流程往后放，少一点发光渐变，作品只按课程项目的口径来写。

五. 一条意见，几个 agent 一起接

这一轮我最想看的，就是改动能不能传下去。

Super Agent 收到意见后重新排了一遍任务：Market Research 先精简文案，把作品的口径改成课程项目，Webpage Developer 再拿新文案用 Website Builder 重排页面，最后回到 Market Research 做审核。

这轮意见是直接发在群里的，Super Agent 自己拆给了每个成员。

改版出来，变化是能直接看到的：

• 首屏标题压成两行，按意思断开。

• 风格从深色发光换成了浅色、偏杂志感的排版。

• 项目板块提到了前面，示意图右上角挂着一个小标签：课程示例 · 演示项目。

• 价格、试学链接这些我自己都还没定，我让它先用示例占位。页面顶部挂了一条提示：本页为演示版，所有项目、价格、链接均为示例占位，非最终内容。

我从这一轮拿到两条经验。

第一，反馈越具体，团队越容易把修改落到每一个环节。只说"再好看点"，几个 agent 只能各自去猜。

第二，业务前提得人来拦。"课还没上线"这件事是我提的，不是 AI 自己发现的。它们做到的，是我说了一次以后，这个修改从文案一路传到了页面上。

错误的前提如果没人拦，就会流进成品。这次拦它的人是我。

六. 审核 agent 到底查了什么

Market Research 后面兼了审核，交了两份报告，一份审第一版，一份审改版。

挑两个它真找出来的问题：

• 项目编号和工具名称，前后口径不一致。

• 改版预览里的试学、目录按钮，链接还是占位锚点，点了哪儿也去不了。

但第一份报告里还有一句话，我觉得比找出的问题更重要。它明确写了：没法直接调取那两份课程大纲原文，部分判断依据的是页面自身前后一不一致，加上上游成员的记录。

也就是说，它判断没问题的地方，有一部分并没有对着原始资料核过。它愿意把这一点写出来，我反而更信它一点。报告里还记录了测试数量，这个数我没有自己复测，就不转述了。

所以我现在看到任何"审核通过"，都会多问三句：拿什么资料核的？实际查了哪些？哪些没查？

七. 最后交付了什么

最终交出来的是一个能打开、能分享的课程宣传页 Demo，有首屏、课程项目、学习流程、适合谁、试学说明、示例价格和常见问题，可以直接打开看：课程宣传页 Demo

这次我确实看到它们做到的：

• 组队和排任务：按目标自己拉人，排好谁先谁后。

• 一路推到交付：从读资料、写文案，到网页和审核报告。

• 接住反馈：一轮整改意见，文案、页面、审核都跟着动了。

• 跟着事实改：我补了一个前提，已有内容跟着调整。

还得我自己来的：

• 好不好看、话说得合不合适，最后还是我拍板。

• 课程现在到底什么状态，这种业务事实只有我知道。

• 定方向、补真实素材、最终验收。

也说清楚这次测不了什么。我没拿单个 Agent 做对照，所以没法说它快了多少，更不能说多 Agent 解决了幻觉。这个页面也是 Demo，离能直接招生收款还差真实素材和定价。

写在最后

如果你也想试试，我自己会这样做：

1. 一开始就把目标、资料和不能编的事实交代清楚。我这次就是一开始没强调"课还没上线"，后面才返工。

2. 过程中盯交接，别只看最后的成品。

3. 看到"审核通过"，去翻它到底拿什么核的。

回到开头那个担心，前面理解错了，后面会不会顺着错下去？这次的答案是会，但只要人中途说一句，它们能把改动一路传到页面上。

这也是我对 Teamily AI 最直观的感受：人和 Agent 在同一个群、同一份上下文里干活，我的意见、伙伴的意见、Agent 的产出，都在一条线上往下走，越做越像一个真的团队。

从第一版到最终版，中间就改了一轮。我最大的收获其实是学会了怎么给一个 AI 团队提需求。

这次用的是 Teamily AI 2.0 的 Website Builder，想自己组个 AI 团队试试，可以走我的邀请链接https://teamily.ai/i/T93CGM

@Teamily_AI