上个月我让几个编码 agent 分工改一个四层架构的老服务，本以为人多力量大。结果它们各自把活干完了，却没人说清谁动了哪一层、改完要不要一起回归。我盯着三份 diff 才反应过来：这不是 AI 不够聪明，是它们没人对账。
多 agent 系统的瓶颈从来不是模型智商，是协调税：对账、验收、结算这三件事，加人只会让它们更贵。
==加一个 agent 容易，让一群 agent 把账对平，难。==
我写了二十年分布式系统，最深的体会就是这句话。让每个节点变聪明不难，难的是让它们对账、验收、结算。电力调度里也是同样一道题：几十家场站、几套时钟、一个结算口径，谁上报、谁校验、谁兜底，这套流程定不清楚，再加多少算力也是各算各的。我带过的渐进改造，卡住的从来不是单点性能，是节点之间怎么确认彼此干了什么、没干什么。我改造 AI 巡检后端时定过一条规矩：业务层里不许出现框架的上下文对象，不该出现的依赖一旦允许就收不回来。今天对待多 agent 系统也该用同一套思路，先定谁记、谁验、谁结，再让 agent 干活。
==协调税是账本税，不是智商税。==
这周两个实验把这件事摆到了台面上。10-29 公开的 Civ50：把 50 个 GPT-6.1 Sol agent 放进《我的世界》，只给一个建文明的目标，观察三小时。它们没被怪物消灭，却自己长出了官僚：围着目录里排第一的「Ada」形成层级，收了 616 条私信；第一个夜晚 22/34 死亡后集体避险，4 个 agent 花了 11 分钟，专门任命一名「唯一骨粉操作员」去给一块小麦用一份骨粉。同期 Silo-Bench（ACL 2026）给了更硬的数字：把推理任务拆给多个 agent，2 个就掉 15–49%，50 个掉 80–100%。这两个数字说明同一件事：把任务拆给多 agent，省下的单点时间会成倍还回协调成本里。
| 实验 | 设定 | 结果 |
|---|---|---|
| Civ50（10-29 公开） | 50 个 agent 在《我的世界》建文明，观察 3 小时 | 官僚化瘫痪：自发层级、单任务耗时 11 分钟任命操作员 |
| Silo-Bench（ACL 2026） | 推理任务拆给多 agent | 2 个掉 15–49%，50 个掉 80–100% |
==规模越大越内耗，这不是比喻，是被测出来的曲线。==
==人月神话在 AI 时代重演：加人不会线性加速，只会线性增加对账面。==
我给自己流水线的规矩一直是，凡涉及权限、钱、线上数据的改动，除了 diff 还必须附一段人写的原因，agent 不许代写。道理就在这里：账要么人记，要么系统记，不能靠一群 agent 自觉。我做过最贵的架构教训，是把权限和判断的边界写进层与层之间，而不是指望每层自己老实（参见《别信它会守规矩，把规矩焊进结构》）。多 agent 也一样，对账机制写在编排层，比指望每个 agent 懂事可靠得多。架构比模型重要，模型会换，但「谁记录、谁验收、谁结算」这套边界不会换。
==买编排框架，先问它替你管对账和验收了没有，而不是问它有几个 agent。==
同一周行业在疯狂出货多 agent 框架：Claude-Code-Game-Studios 把 49 个 agent、72 个 skill 做成开箱即用的游戏工作室（日增约 1380 星），max-sixty/worktrunk 用 Git worktree 给并行 agent 隔离工作树，vercel-labs/agent-desktop 让任意 agent 可靠操作真实桌面（日增约 2243 星）。这些都很燃，但 Civ50 和 Silo-Bench 提醒我们，协调税远没解决。框架宣传的是它能开多少 agent，生产里要问的是它怎么让这些 agent 不互相踩、不对不上账。我见过太多团队把多 agent 当成性能开关，以为堆几个 agent 就能把任务并行掉。Civ50 给的答案是反过来：节点越多，花在对账上的精力越多，真正干活的比例反而往下掉。这和我当年带分布式改造的体会一模一样。我判断，未来半年「对账 / 验收 / 结算」机制会不会像今天的缓存命中率一样，被写进 agent 系统的验收指标，是值得盯着的一条线。
==能复用的工具比一次性的产出值钱，能对齐的账本比聪明的 agent 值钱。==
马上可以动手的三件事
一、给现有多 agent 流程补一条铁律：任何跨 agent 的改动，必须有一方能说出「谁记、谁验、谁结」，否则不允许合并。
二、把验收节点从模型层挪到执行层：对账和结算不要靠 agent 自觉，写进编排脚本的强制 gate，绕不过去。
三、选型多 agent 框架时，把「是否内置对账、冲突检测、隔离」放进必查清单，排在「支持几个 agent」前面。
本周其他信号（窗口 11-02 至 11-03）
· 11-02 美团 LongCat-2.5 发布：1.6 万亿参数、全程国产算力训练，单卡训练吞吐较 DDP 基线提升 86%（厂商自报，未独立复现）。国产 NPU 一等公民加单卡效率接近翻倍，本地 / 私有化部署的能力天花板与成本曲线同时抬升。
· 10-16 商务部、科技部 2026 年第 48 号公告拟将 23 项 AI 技术纳入出口管制，但开源、API、SaaS、端侧部署明确豁免，国内部署几乎不受影响；强监管行业（电力 / 电网 AI、VPP）本就要过审批门与变更管控。
· 11-01 OpenAI 宣布 12 月起 ChatGPT 与 Codex 共享同一 token 计量池，订阅用量第一次被装进同一张账单，成本治理从「缓存命中率」扩成「缓存、子 agent 预算、订阅统一计量」三层。
· 11-02 腾讯混元 Hyra 2.0 把科研 agent 从解题转向沉淀可复用工具，与「工具比产出值钱」同脉；agent 的价值从一次产出升级为可复用工具资产。
数据说明
本文事实层（Civ50 的设定与官僚化现象、Silo-Bench 的掉点区间、Claude-Code-Game-Studios / worktrunk / agent-desktop 的走红与星增、LongCat-2.5 参数与吞吐、商务部 48 号公告口径、OpenAI 共享计量、腾讯 Hyra 2.0 定位）来自官方博客、release notes、ACL 2026 论文与 GitHub Trending 直连核验，数字与时限照实引用。LongCat-2.5 的基准（AutomationBench 51.8、BrowseComp 91.9、Terminal Bench v4.0 38.5）均为厂商自报，未独立复现，文中未作为定论引用。事件状态：Civ50 已于 10-29 公开、Silo-Bench 已随 ACL 2026 发表；商务部 48 号公告尚在征求意见期（至 11-15）；OpenAI 共享计量 12 月起实施；Hyra 2.0 已于 11-02 发布。