多智能体的收益与代价：协作增益、协作税与级联错误模型

一句话定义

多智能体的净价值 = 协作增益（并行探索、分工聚焦、独立制衡带来的质量与速度提升）减去协作税（token 与延迟成本、级联错误、协调开销）；本知识点给出三个可计算的核心公式，让「要不要上多智能体」从感觉变成算术。

直观类比

请三位专家独立解题再投票，比一个人闷头做更可能对——前提是三人别互相商量（独立性）且题目有明确对错（可聚合）；同时你要付三份咨询费（成本）并承担「专家 A 的口误被专家 B 当成事实引用」的风险（级联）。

为什么重要

工程评审中最常见的争吵是「这个任务要不要拆多智能体」。没有模型时双方各举 anecdote；有了增益-代价公式，可以把分歧变成对参数（错误率、步数、可分解性）的确认。这三个公式也是 kp-021 防护设计与 kp-009 聚合策略的地基。

前置知识

kp-002（单 Agent 边界）；中学概率：独立事件概率乘法、二项分布直观。

核心概念

• 协作增益（Collaboration Gain）：多智能体相对单智能体的质量或速度提升；
• 协作税（Coordination Tax）：为保证协作付出的成本——通信 token、汇合等待、编排逻辑复杂度；
• 级联错误（Cascading Error）：上游错误经交接链传给下游且未被拦截；
• 通信冗余比（Redundancy Ratio）：智能体间消息 token 数 / 有效产出 token 数。

原理与机制：三个模型与推导

模型一：并行投票的增益。 设单智能体错误率 p（p < 0.5），n 个智能体独立作答后多数投票，成功概率为二项分布右尾和：

P_success(n) = Σ C(n, i) · (1-p)^i · p^(n-i)，i 遍历 i > n/2

推导：n 个独立伯努利试验（成功=答对），恰好 i 个答对的概率为 C(n,i)(1-p)^i·p^(n-i)，多数通过要求 i ≥ ⌊n/2⌋+1。数值示例：p = 0.3，n = 1 → 0.70；n = 3 → C(3,3)·0.343 + C(3,2)·0.441 ≈ 0.784；n = 5 → ≈ 0.837。关键前提是独立性：若各智能体犯同源错误（同一模型家族、同一提示模板），有效样本数 n_eff < n，实际增益向单智能体水平坍缩。《More Agents Is All You Need》实证了性能随智能体数量近线性提升后进入饱和，饱和点正与错误相关性相关。

模型二：级联的代价。 一条 L 步的顺序交接链，每步产生新错误的概率为 p，全链正确的概率：

P_ok(L) = (1 - p)^L

p = 0.05 时：L = 3 → 0.857；L = 10 → 0.599。错误率不变，链长翻倍，可用率大幅下滑——这是「多智能体默认更差」的数学根源。抑制手段（每步加检出率 q 的验证器）见 kp-021。

模型三：成本与延迟。 总 token 成本 ≈ Σ 各智能体消耗 + 通信冗余；端到端延迟不是「并行就快」：关键路径延迟 = 最慢分支延迟 + 汇合与重试开销。五个并行工人各 60 秒，汇合校验 30 秒，端到端仍是 90 秒。

图示

并行冗余(投票)          顺序级联(流水线)
 A─┐                    A ──▶ B ──▶ C ──▶ D
 B─┼─▶ 投票 ─▶ 结果      p=5%  p=5%  p=5%   每步新增 5% 错误
 C─┘  错误被多数抵消       全对率 = 0.95³ ≈ 85.7%

实例或案例

一个事实核查任务：单智能体准确率约 80%（p = 0.2，不可投票，因为 p 不小于 0.5 时投票反而放大多数错误）。改进顺序：先降 p（换模型/加检索）到 0.3 以下，再用 5 路并行投票到约 0.84，最后加一步检出率 0.7 的事实校验器。可见「先降 p、再投票、后验证」的次序本身就是模型给出的工程路线。

常见误区

• 误区一：n 个智能体就是 n 倍可靠性。 忽略错误相关性后严重高估；同提示同模型的「多智能体」近似于自采样；
• 误区二：并行一定更快。 端到端延迟由关键路径与汇合决定，通信开销可能吃掉全部并行收益；
• 误区三：增益是免费的。 token 成本约随智能体数线性增长，投票的每一点准确率都用真金白银换（相关成本核算见 kp-025）。

与其他知识点的关系

kp-009 把模型一扩展为聚合策略族；kp-019 处理模型三的汇合细节；kp-021 在模型二上加验证器做抑制设计；kp-011 的选型决策以本知识点为定量依据。

自测题

1. p = 0.2、n = 3 的多数投票成功率是多少？该场景投票为何不划算？

要点：C(3,3)·0.512 + C(3,2)·0.384 ≈ 0.896；因为 p = 0.2 < 0.5 其实划算——陷阱在题干外的常见误用：若 p ≥ 0.5（多数时间在错），投票会把错误固定化；应先降 p。

1. 链长 L = 8、每步错误率 5%，全链正确率？

要点：(0.95)^8 ≈ 0.663。

1. 五个并行分支分别耗时 40/55/60/80/120 秒，汇合需 20 秒，端到端最短多久？

要点：关键路径 = max(分支) + 汇合 = 140 秒，不是 140 秒以外的任何「平均」。

延伸阅读

Wang 等的 Self-Consistency 是投票增益的实证源头；Li 等的《More Agents Is All You Need》给出规模-性能曲线。