阿凱📝 主編觀點 · 職涯衝擊分析 — 這對工程師、PM、設計師意味著什麼，該怎麼準備
多 Agent 系統可能只是在燒更多算力，而不是更聰明
arXiv 剛出了一篇論文，結論直接打臉整個 AI 產業的流行趨勢：在相同的計算預算下，單一 Agent 系統在多跳推理任務中，表現往往跟多 Agent 系統一樣好，甚至更好。
研究團隊跑了 Qwen3、DeepSeek、Gemini 三組模型的實驗，發現多 Agent 架構的優勢，大多來自「你給它用更多算力」，而不是「多個 Agent 合作本身有什麼神奇的地方」。換句話說，你以為是分工合作的成果，其實只是多花了錢。
這對工程師和 PM 的實際意義很直接。現在業界有一種氣氛：系統設計越複雜越專業，多幾個 Agent 互相呼叫、互相驗證，看起來很有架構感。但如果這篇論文的結論站得住腳，那很多公司正在搭的複雜多 Agent pipeline，可能只是在用架構複雜度掩蓋一個更簡單的真相——你只是需要更多 token。
對正在設計 AI 系統的工程師來說，這是一個值得認真思考的訊號。多 Agent 系統的維護成本是真實的：你要處理 Agent 之間的協調失敗、狀態不一致、debug 難度指數級上升。如果拆成多個 Agent 並沒有帶來架構上的本質優勢，那這些成本就很難被正當化。
PM 在規劃產品路線時也要小心這個陷阱。「我們要做多 Agent 協作」聽起來很酷，容易在 demo 時拿到掌聲，但實際上線後的維護複雜度和算力成本，常常沒人在簡報裡算清楚。
設計師倒是可以鬆一口氣——這件事跟你比較沒關係，但如果你在做 AI 產品的使用者流程，理解後端系統不一定需要多 Agent 這件事，可以幫你在跟工程師溝通時少踩一些坑。
這不代表多 Agent 沒有用武之地。某些任務確實需要平行處理、或者需要不同角色的分工。但「需要」和「因為很流行所以加上去」，是兩件完全不同的事。
複雜度本身不是護城河。
