> ## Documentation Index
> Fetch the complete documentation index at: https://docs.xpertai.cn/llms.txt
> Use this file to discover all available pages before exploring further.

# 项目组：单智能体 vs 多智能体

> 面向企业级的通用智能体平台，支持单智能体与多智能体协作的混合式任务编排

## XpertAI 项目是什么？

[XpertAI 项目](/docs/ai/chat/project/)是一个面向企业可定制的**通用智能体项目空间**，通过项目将多个能力单元统一编排在一起，包括：

* 📎 附件（数据/文件输入）
* 🛠 自定义工具（API、脚本、浏览器等）
* 📚 知识库（结构化/非结构化知识）
* 👤 数字专家智能体（分工明确的技能型智能体）

项目背后的通用智能体拥有任务决策能力（探索模式或规划模式），可在复杂目标下动态调用以上资源，自主或协同完成任务。

## 从争议中看见实践之道

### 背景引入：多智能体的两种主流观点

近期两篇引发热议的文章，体现了当前业界对多智能体系统应用的两种主流观点：

* **Anthropic 的《[How we built our multi-agent research system](https://www.anthropic.com/engineering/built-multi-agent-research-system)》**：强调在“低依赖、可并行”的任务中，多智能体系统能显著提升效率。以多个 Agents 并行工作的方式，展示了多智能体在复杂研究任务中的实践与收益。

* **Cognition（AI程序员 Devin 母公司）的《[Don’t Build Multi-Agents](https://cognition.ai/blog/dont-build-multi-agents)》**：则指出在高度耦合、上下文共享强的场景（如 AI 编程），多智能体反而会引发协作与上下文管理困难，主张保持单一 Agent 的上下文一致性更为实际。

看似观点相左，实则是在不同任务背景下的理性选择。这两种模式均主要围绕“解决单一任务”的方式展开。但如果站在企业级平台的视角思考，一个更重要的维度浮现出来——**智能体的可复用性**。

在 XpertAI 中，我们不仅支持这两种架构模式，更关注智能体如何作为企业知识资产复用和沉淀。每个项目都可以根据实际任务特性灵活选择对应模式（通过新建不同的项目），并将智能体配置为可复用的“数字专家”，形成跨项目、多流程的智能能力组件。

## 两种模式解析：多智能体 vs 单智能体

### 模式一：多智能体协作（适合并行型任务）

> 引入多个分工明确的“数字专家智能体”，通用智能体负责调度与指挥。

📌 **适用场景**：

* 市场调研、竞品对比、批量审计
* 多文档信息整合、大规模知识检索
* 子任务间依赖弱，可并发运行

✅ **设计原则**：

* 主Agent（如通用智能体）负责拆解任务、协调流程
* 子Agent各自执行明确子任务，保持上下文独立
* 使用结构化输出，主Agent汇总整合结果

⚙️ **配置方式**：

* 在项目中配置多个“数字专家”类型Agent（如：网页检索专家、摘要专家、对比专家）
* 明确为每个子任务指定目标和格式，引导Agent生成稳定结构输出
* 主Agent设置合适的控制Prompt，引导协同整合

⚠️ **风险点**：

* 子Agent间无法共享上下文，适用范围受限
* 若任务存在依赖性，需主Agent主动协调和整合上下文

🔎 **实践示例**：
“请为我分析10家能源企业的战略布局、营收构成和发展方向。”
→ 主Agent拆分任务 → 子Agent并行完成每家企业的调研 → 主Agent整合生成结构化报告。

> 多个专家之间的协作由通用智能体统一协调，不需要人为介入。

参考模版 [**深度研究项目组（多智能体）**](https://app.xpertai.cn/explore?search=%E6%B7%B1%E5%BA%A6%E7%A0%94%E7%A9%B6%E9%A1%B9%E7%9B%AE%E7%BB%84%EF%BC%88%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%EF%BC%89)

### 模式二：单智能体推进（适合串行型任务）

> 所有资源统一给到通用智能体，由它自主规划任务策略、调用资源完成目标。

📌 **适用场景**：

* AI 编程、脚本生成、财务报表编写
* 合同起草、法务审核、流程规则制定
* 任务链条长、上下文耦合强

✅ **设计原则**：

* 保持上下文完整传递，避免上下文割裂
* 分步骤推进任务，控制token压力
* 可通过“摘要机制”在用户反馈中维护信息连续性

⚙️ **配置方式**：

* 使用一个通用智能体，结合工具集（如代码执行器、文档分析器）完成复杂任务
* Prompt中控制任务步骤，引导 agent 逐步推进，如“请先解释再给出代码”
* 引入中间交互，便于纠错和修正思路

⚠️ **风险点**：

* 无并发能力，长任务执行时间较长
* 容易出现 token 溢出问题，需结合摘要、分步等策略处理

🔎 **实践示例**：
“请为我生成一个Python脚本，完成销售数据分析并输出趋势图。”
→ agent 提示解释分析逻辑 → 编写代码 → 用户确认逻辑 → 生成最终脚本 → 渲染图表

> 你不需要编排流程，也无需告诉智能体要用哪个工具，它能自主判断并完成全过程。

参考模版 [**深度研究项目组（单智能体）**](https://app.xpertai.cn/explore?search=%E6%B7%B1%E5%BA%A6%E7%A0%94%E7%A9%B6%E9%A1%B9%E7%9B%AE%E7%BB%84%EF%BC%88%E5%8D%95%E6%99%BA%E8%83%BD%E4%BD%93%EF%BC%89)

## 如何选择模式：用任务特性和复用价值来决策

| 特性     | 多智能体模式          | 单智能体模式       |
| ------ | --------------- | ------------ |
| 并行能力   | 强，适合任务拆分        | 弱，适合串行闭环任务   |
| 上下文共享  | 无，需主agent协调     | 有，完整上下文      |
| 可控性    | 中，需精心设计Prompt结构 | 高，流程连贯可追踪    |
| 适用任务   | 多源信息整合、调研类      | 编程、写作、审核类    |
| 智能体复用性 | 高，专家型组件可拆可组     | 中，适合专属流程     |
| 风险控制   | 上下文割裂、结果不一致     | token压力、效率问题 |

在 XpertAI 中，这两种模式可针对不同任务特性通过新建不同的项目灵活选用。例如，对于信息整合类任务，你可以新建一个采用多agent并行架构的项目；
而针对上下文高度耦合的任务，则可新建采用单agent串行推进的项目。更重要的是，**每个智能体都可以配置为具备清晰角色与接口的数字专家，在其他项目中快速复用或替换，构建企业专属的“智能能力专家库”。**

## 如何配置一个项目

### 第一步：创建项目

点击“对话”首页左上角 “New Project” 创建一个新项目，并为其命名。

### 第二步：添加资源

进入项目后，在「工具」页签中：

#### ✅ 添加工具（例如）

* `bash` 命令工具：让智能体能操作命令行
* 浏览器工具：允许联网搜索
* 自研 API 工具：用于业务系统集成

#### ✅ 添加附件

上传表格、合同、图纸等，让智能体能够访问原始数据。

#### ✅ 添加知识库

引入公司手册、行业标准、过往案例作为上下文增强材料。

#### ✅ 添加数字专家

点击页面顶部「引入专家」，选择系统内已有的专家（或自定义创建）。

### 第三步：对话项目组

切换到「探索模式」后直接发起指令，智能体将根据目标自动调用资源。你也可以切换至「规划模式」，让智能体先编排任务步骤在以此执行。

## 实战案例一览

| 应用场景     | 模式   | 涉及能力                  |
| -------- | ---- | --------------------- |
| 月度销售复盘报告 | 单智能体 | 文件工具、知识库、图表工具         |
| 招聘岗位JD撰写 | 多智能体 | 职位专家、语言优化专家、招聘规范知识    |
| 预算预测分析   | 单智能体 | 财务Excel表、预算规则库、预测模型工具 |
| 产品竞品分析   | 多智能体 | 搜索专家、摘要专家、可视化专家       |

***

## 与其他产品的对比优势

| 特性      | XpertAI   | 扣子空间 | ManusAI | SunaAI |
| ------- | --------- | ---- | ------- | ------ |
| 多智能体编排  | ✅ 支持专家间协作 | ❌    | 部分支持    | ❌      |
| 自定义工具接入 | ✅ 任意扩展    | ✅    | ❌       | ❌      |
| 企业知识集成  | ✅ 全支持     | ✅    | ✅       | ❌      |
| 文件理解能力  | ✅ 强       | 一般   | 强       | 中      |
| 使用门槛    | 低         | 高    | 中       | 中      |

***

## 总结

多智能体不是银弹，单智能体也并非过时。真正的能力，在于你能否**根据任务特性合理选型，并组织好系统结构**。

XpertAI 提供了这两种设计模式的基础能力，更赋予智能体“企业级复用价值”。你只需理解它们各自的边界和适用条件，就可以在项目中构建出更灵活、更可靠、更可积累的智能体系统。

👉 **马上创建你的 XpertAI 项目，让智能体为你的业务赋能！**