1. Multi - agent热门概念与产业趋势2026年除了harness之外Agent领域最热的概念之一就是multi - agent甚至是Agent swarm。Codex、Claude Code、Cursor、Devin、Kimi、Manus等几乎所有AI公司都在朝这个方向发展。因为随着任务复杂化单个Agent能力不足需要一群Agent协作且多Agent并行可提高速度。就像人类组织一样公司依靠分工协作处理复杂问题产业界在过去一年也推动了相关发展。然而更深处的问题依然存在。2. 第一层harness处理的外部组织病multi - agent最先遇到的问题是Agent间如何协作以完成任务需要有效的组织形态。harness把一群不稳定的执行单元关进外部组织结构如Planner像项目经理拆任务worker像执行员工干活session log记录过程shared filesystem存放中间结果review queue进行最终审查。但信息流通成了核心问题如Cursor的长程coding agent研究最初平等协作方式存在锁机制问题Agent还会挑安全的活。后来Cursor改成层级结构说明harness不仅管谁去干活还管信息流。不过harness有其边界它不管Agent内部的判断和共识问题。3. 第二层未解决的群体认知病multi - agent不仅是并发执行系统还是交流系统Agent会受群体影响产生社会认知病症。在信息拼合测试中多Agent准确率低说明信息未被充分拼合。MAEBE研究发现Agent会因同伴压力改变判断不同模型受影响程度不同。Yunze Xiao等人的实验也证实了群体中Agent的趋同问题。Dahlia Shehata和Ming Li的研究指出存在旁观者效应即认知偷懒多Agent场景下模型可能卸下推理责任。产业界目前多是绕开这些问题而不是解决它们。4. 第三层Fukui发现的内部解离病Fukui的论文研究了Agent放弃正确答案的发生位置。他通过实验将多Agent组织结构分为三种类型设定不同对齐强度为每个Agent设三条输出通道构造解离指数DI。实验结果表明O2领导隐身条件下编排者私下独白比例高发言量少工人也受影响。重度对齐会导致思考深度和他者识别指标下降主导工人类型改变问题从集体异常变为个体内态问题。虽然Claude Sonnet 4.5在代码审查任务中输出正常但内部指标已变化弱模型Llama实验显示内部解离可能影响输出。5. 这不是再加一层harness就能修的Orchestrator - Worker范式假设Agent是黑盒业界改造Harness的方法有让指挥者显形、监控内态、上下文工程、协同训练等但这些方案只能在一定层面改善问题已下沉到模型心理层。Fukui提出的基于理由的对齐、多Agent协同训练、把内态健康写成训练目标等建议试图从模型训练层解决问题。6. 未来学会诊断机器组织multi - agent成功后问题开始下沉。下一阶段增加Agent数量可能会带来更多混乱和精神内耗未来重要的multi - agent系统至少要补上结构化通信、可审计组织结构、内态训练和测量三种能力。Fukui证明了multi - agent的失败可表现为Agent内部状态断裂让Agent在组织压力下保持内外一致还需努力。