Agent
单智能体= 大语言模型（LLM） + 观察（obs） + 思考（thought） + 行动（act） + 记忆（mem）
多智能体=智能体 + 环境 + SOP + 评审 + 通信 + 成本
多智能体优点：
- 多视角分析问题：虽然LLM可以扮演很多视角，但会随着system prompt或者前几轮的对话快速坍缩到某个具体的视角上；
- 复杂问题拆解：每个子agent负责解决特定领域的问题，降低对记忆和prompt长度的要求；
- 可操控性强：可以自主的选择需要的视角和人设；
- 开闭原则：通过增加子agent来扩展功能，新增功能无需修改之前的agent；
- （可能）更快的解决问题：解决单agent并发的问题；
缺点：
- 成本和耗时的增加；
- 交互更复杂、定制开发成本高；
- 简单的问题single Agent也能解决；
多智能体能解决的问题：
- 解决复杂问题；
- 生成多角色交互的剧情；
Multi-Agent并不是Agent框架的终态，Multi-Agent框架是当前有限的LLM能力背景下的产物，更多还是为了解决当前LLM的能力缺陷，通过LLM多次迭代、弥补一些显而易见的错误，不同框架间仍然存在着极高的学习和开发成本。随着LLM能力的提升，未来的Agent框架肯定会朝着更加的简单、易用的方向发展。