简而言之
把智能体和深度研究模式留给真正需要多个步骤的任务,例如跨多个来源研究一个宽泛的主题;快速提问则使用普通聊天。智能体完成一项任务要多次调用模型:Anthropic 报告称,智能体使用的 token(词元)约为聊天的四倍,多智能体系统约为十五倍。
步骤
- 先试试普通聊天或搜索,只有不够用时才使用智能体。
- 给智能体一个明确的目标、范围和停止点。
- 告诉它使用哪些来源或网站,以免它四处游走。
- 留意第一次运行,如果它开始重复,就停止它。
- 重复使用它生成的报告,而不是把同样的研究再运行一遍。
智能体功能强大但代价高昂,因此要给出清晰的任务说明,并把它们用在大任务上。 AI 智能体,包括许多聊天机器人中的“深度研究”模式,会循环地规划、搜索、阅读、写作和核查。每一步都是又一次模型调用,而且通常要带上不断增长的任务历史。
智能体要多用多少?
是聊天的好几倍。 Anthropic 在 2025 年介绍其自己的多智能体研究系统时报告称,智能体使用的 token(词元)通常约为聊天交互的四倍,而多智能体系统约为十五倍。Kim、Shin、Chung 和 Rhu 发现,智能体工作流消耗的能源远多于单次回答,而且投入的计算越多,准确率的提升越小。
对于一项要花您几个小时的任务,这是合理的交换;对于一个问题就能解答的事情,这就是浪费。
如何给智能体写好任务说明?
- 说明完成的标准: “用一页纸总结 2023 年以来被引用最多的五项研究。”
- 设定范围: 时间段、国家、来源类型。
- 指明来源: 如果您知道可信的来源,请告诉它。
- 要求简短的输出。 长报告写起来和读起来都更耗费资源。
常见错误
- 用深度研究回答简单问题, 而搜索或聊天几秒钟就能解决。
- 把同样的研究再运行一遍, 而不是保存并更新第一份报告。
- 让卡住的智能体继续运行。 如果它不停地回到同一批网页,请停止它并换一种说法。
如果您在开发智能体,请参阅防止 AI 智能体浪费 token。关于更广泛的问题,请阅读智能体 AI 与 token 浪费。
来源
- How we built our multi-agent research system, Anthropic (2025)
- The cost of dynamic reasoning: demystifying AI agents and test-time scaling from an AI infrastructure perspective, Kim, Shin, Chung and Rhu, HPCA 2026 (2025)