模型: openai/gpt-5.4
生成日期: 2026-04-01
书名: Claude Code VS OpenCode：架构、设计与未来
章节: 第15章 — 智能体编排对比
Token用量: 约 5,100 input + 1,300 output
15.2 单智能体 vs 多智能体
“一个强模型单干”与“多个智能体协作”之间的争论，已经成了 2025–2026 年 agent 设计里最核心的话题之一。问题的关键并不是单智能体能不能完成任务。很多时候它当然能。真正的问题是：把认知过程拆散到多个上下文里，带来的质量提升，值不值得额外的 token 成本、等待时间和编排复杂度？
Anthropic 给过一个非常有代表性的结论：multi-agent Opus+Sonnet 系统达到 90.2%，优于单个 Opus agent。这个数字之所以重要，不只是因为它高，而是因为它证明了一件事：在复杂任务上，更好的编排结构可以弥补甚至超越单线程推理的上限。换句话说，scaffolding（脚手架式系统结构）不是装饰，它会直接改变智能体的能力边界。
为什么多智能体会更强？根本原因是单个上下文需要同时承担四类不同工作：理解任务、搜索信息、执行修改、自我校验。这些工作之间会互相干扰。搜索阶段引入大量噪声，执行阶段占据局部细节，校验阶段又容易被前面自己的推理路径绑架。多智能体的价值，就在于把这些认知负担拆开：有人专门搜索，有人专门规划，有人专门执行，有人专门验证。
OpenCode 的风格比较接近“强单智能体 + 可扩展底座”。它的好处是清晰、节省、容易理解。一个 session 里调用工具、观察结果、继续推进，往往已经足够解决中小型仓库中的大量任务。单智能体模式的优势非常真实：token 成本低、结果链路短、调试容易、责任清晰。它失败时，也更容易知道问题出在哪一段。
OMO 的判断则更激进一些。它认为，单智能体在简单任务上确实足够，但在大仓库搜索、复杂依赖分析、需要外部资料核对、长周期执行这类任务上，单上下文很容易陷入“既要搜索，又要执行，还要记住所有中间状态”的困境。所以 OMO 会更积极地进入多智能体模式：Explore 去找，Oracle 只读分析，Librarian 查外部资料，父会话负责整合。这是一种典型的“用更多 token 换取更稳定问题分解”的策略。
Claude Code 走的是中间路线。它没有像 OMO 那样把多角色编排做得那么外显和制度化，但它明显承认多智能体/子任务是必要能力。DreamTask 这类后台任务体验，实际上改变了用户与系统的关系：不再只是“你现在回答我”，而是“你去做一件事，稍后带着结果回来”。这已经是协作式工作流，而不是纯聊天。
当然，成本问题避不开。多智能体系统非常容易达到 10 倍甚至 15 倍 token 成本。原因很简单：每个子智能体都有 prompt、上下文摘要、任务说明、结果回传，父智能体还要阅读、整合、校验。如果再加上并行探索、重复验证、失败重试，成本会进一步放大。
那什么时候值得付这 15 倍成本？通常有五种情况。
第一，搜索空间很大。如果相关信息散落在几十个文件甚至多个模块里，单智能体串行搜索的成本可能更高，而且容易漏。
第二，任务类型异质。这里“异质”是一个教材里常见但在日常语境不一定直观的词，意思是“性质不一样”。外部资料查找、代码修改、架构推理、安全审查，本来就是不同类型的工作，把它们塞进一个上下文会互相污染。
第三，错误代价高。例如权限系统改造、安全补丁、发布前修复，这类任务宁可更贵，也要更稳。
第四，任务时间跨度长。长任务会积累很多不再有用的局部信息，让单智能体上下文越来越浑浊。
第五，子任务确实可以并行。如果多个子任务彼此独立，多智能体收益会很明显；如果它们高度耦合，那并行只会制造协调成本。
反过来讲，在以下场景，多智能体往往不值：小改动、单文件 bugfix、很明确的重命名、边界清晰的格式修复。这些任务如果硬上多智能体，常常只是“编排表演”——看起来很高级，实际上在烧 token。
多智能体还有治理问题。角色权限怎么定？什么时候停止？结果如何合并？如何避免两个 agent 做重复劳动？OMO 在这方面更系统，它用角色限制、后台并发上限、hook 和流程纪律来约束。Claude Code 更像把这些治理逻辑做进产品交互。OpenCode 则更多把责任交给开发者和扩展层。
所以，真正有价值的结论并不是“单智能体好”或“多智能体好”，而是：系统应当具备按任务结构自适应升级的能力。默认用单智能体处理便宜、简单、边界清晰的任务；当任务表现出高搜索广度、高风险、高异质性、高并行性时，再升级到多智能体。Anthropic 的 90.2% 结果告诉我们：多智能体可以显著更强。但它没有告诉我们应该把每一个任务都变成多智能体。
最好的系统，不是永远喜欢派很多 agent，而是知道什么时候不需要。