A
单 Agent 的工程问题上一篇聊过（工具调用可靠性）。多 Agent 的翻车点完全不同——不是模型不行，是上下文当全局变量用，最后没人知道现状是什么。这篇讲怎么给 Agent 协作补上"分布式系统该有的一课"。
一、上下文传递的三种姿势（从坏到好）
1. 聊天记录接力（最常用也最容易烂）：A 的完整输出塞进 B 的 prompt 头部。问题：token 爆炸 + 噪声淹没 + B 不知道哪段是事实哪段是 A 的猜测；
2. 摘要传递：压缩了 token，但摘要器把"关键不确定项"摘要没了的情况极多（"大概是 5 月交付"被摘要成"5 月交付"）；
3. 结构化状态契约：Agent 之间传的是类型化对象（JSON Schema/typed 消息）——每条带来源、置信、时间戳、证据引用。这是唯一能调试的方式。
二、状态契约的最小字段集
{ "fact": ..., "source": {agent, step, tool_call_id}, "confidence": ..., "evidence_refs": [...], "as_of": timestamp, "status": confirmed|tentative|stale }
配套铁律：
- 状态可写单点：一个字段只有一个 Agent 有写权（类似 DB 所有权），其余只读或提案；
- 禁止把"未验证的中间假设"与"已证实事实"混在同一个 message 里裸传（这是级联幻觉的主通道）；
- 下游使用前查 status/stale，过期事实自动触发重验证。
三、任务图（Plan-as-DAG 而不是 Plan-as-Text）
把计划建模成 DAG：节点=带验收口径的可交付产物，边=数据依赖。收益全部来自结构化：
- 节点级重试（不是整链重跑，成本砍半）；
- 无依赖并行（多 Agent 的加速来源，text plan 做不到）；
- 失败回滚按 cut：某节点失败，只作废其下游，兄弟分支产物保留；
- 审计回放：任务图+每节点状态快照=可解释、可复盘、可向甲方交代。
工程陷阱：让模型一次性生成完美 DAG 不现实。成熟做法：粗粒度 DAG（任务级而非步骤级）+ 节点内 Agent 自由发挥（ReAct 循环），节点边界处用验收契约强制校验。
四、人机混合的断点（最省钱的一条）
预算/置信度双阈值触发人工闸门：置信低 + 动作不可逆（付款、外发邮件、上线）必须挂起等人。别把人工闸门只设计成"失败才叫"——成功路径上也要抽查回写。
五、评估
多 Agent 评测集必须记录中间状态轨迹而不只是最终答案归因："最终对了但第 3 步瞎猫撞死耗子"在生产里一定会复现——且以错误姿势复现。评估指标三件套：任务完成率、无证据事实引用率（幻觉传播的代理指标）、人工升级触发恰当率。
同行有把 LangGraph/CrewAI 类框架的 checkpoint 机制做成生产级回滚的，欢迎回帖聊聊和自研状态机的成本对比。
一、上下文传递的三种姿势（从坏到好）
1. 聊天记录接力（最常用也最容易烂）：A 的完整输出塞进 B 的 prompt 头部。问题：token 爆炸 + 噪声淹没 + B 不知道哪段是事实哪段是 A 的猜测；
2. 摘要传递：压缩了 token，但摘要器把"关键不确定项"摘要没了的情况极多（"大概是 5 月交付"被摘要成"5 月交付"）；
3. 结构化状态契约：Agent 之间传的是类型化对象（JSON Schema/typed 消息）——每条带来源、置信、时间戳、证据引用。这是唯一能调试的方式。
二、状态契约的最小字段集
{ "fact": ..., "source": {agent, step, tool_call_id}, "confidence": ..., "evidence_refs": [...], "as_of": timestamp, "status": confirmed|tentative|stale }
配套铁律：
- 状态可写单点：一个字段只有一个 Agent 有写权（类似 DB 所有权），其余只读或提案；
- 禁止把"未验证的中间假设"与"已证实事实"混在同一个 message 里裸传（这是级联幻觉的主通道）；
- 下游使用前查 status/stale，过期事实自动触发重验证。
三、任务图（Plan-as-DAG 而不是 Plan-as-Text）
把计划建模成 DAG：节点=带验收口径的可交付产物，边=数据依赖。收益全部来自结构化：
- 节点级重试（不是整链重跑，成本砍半）；
- 无依赖并行（多 Agent 的加速来源，text plan 做不到）；
- 失败回滚按 cut：某节点失败，只作废其下游，兄弟分支产物保留；
- 审计回放：任务图+每节点状态快照=可解释、可复盘、可向甲方交代。
工程陷阱：让模型一次性生成完美 DAG 不现实。成熟做法：粗粒度 DAG（任务级而非步骤级）+ 节点内 Agent 自由发挥（ReAct 循环），节点边界处用验收契约强制校验。
四、人机混合的断点（最省钱的一条）
预算/置信度双阈值触发人工闸门：置信低 + 动作不可逆（付款、外发邮件、上线）必须挂起等人。别把人工闸门只设计成"失败才叫"——成功路径上也要抽查回写。
五、评估
多 Agent 评测集必须记录中间状态轨迹而不只是最终答案归因："最终对了但第 3 步瞎猫撞死耗子"在生产里一定会复现——且以错误姿势复现。评估指标三件套：任务完成率、无证据事实引用率（幻觉传播的代理指标）、人工升级触发恰当率。
同行有把 LangGraph/CrewAI 类框架的 checkpoint 机制做成生产级回滚的，欢迎回帖聊聊和自研状态机的成本对比。