當代理遇上分散式系統：數量堆疊不一定等於提昇智慧
為何重要
這項觀點打破了「堆疊更多代理就能解決問題」的迷思，清楚地指出多代理系統的架構型別必須針對任務特性（專注順序 vs 平行）而動態調整。對產業而言，這意味著單純的模型 API 呼叫已不足以構成系統優勢，具備作業系統級能力的排程器、狀態持久化管理與協調框架才是接下來的技術突圍點。
隨著 AI 代理 體系邁向大規模部署，研究者發現過度追求代理數量並非解方，反而在資源有限、上下文受限的情況下，必須將其視為分散式系統來管理狀態與協調流程。
- Google Research 針對 180 種配置的研究指出，平行任務效能可提升 80.9%，但所需順序推理任務的效能卻會下降 39% 至 70%。
- ACL 2026 的 Silo-Bench 實驗顯示，當代理人數從 2 人增至 100 人時，最高難度任務的成功率從 61% 跌至 18%。
- 引入協調器能將錯誤放大倍數從 17.2× 降低至 4.4×，證明協調本身就是一項必要的工作。
- Rutgers 推出的 AIOS 將代理人請求拆解為系統呼叫並進行排程，據報導執行速度可提升 2.1 倍。