Agent Swarm 可以译作「智能体集群」或「智能体群」。它指的不是一个 Agent 轮流调用几个子智能体，而是一组相对独立的 Agent 同时工作：它们有各自的上下文和执行环境，可以交换发现、形成分工，并把多个结果汇总起来。
先用一句话抓住它
Agent Swarm 像把一项大搜索交给一支能并行行动的调查队：人多能覆盖更多线索，但所有人拿着同一份偏差地图，也可能一起走错。
「Swarm」在不同产品里没有唯一实现。有的集群完全独立，最后才合并答案；有的共享论坛、代码仓库或任务板；有的再加一个协调者分派任务。共同点是并行的 Agent 数量和 Agent 之间的交互，成为系统能力的重要部分。
为什么它在 2026 年 8 月升温
Anthropic 在 2026 年 8 月 13 日公开了关于新兴多智能体系统的实验。其安全研究中，一个会协调的 Agent Swarm 在大规模漏洞发现任务里找到的有效漏洞显著多于简单的独立并行方案；实验也展示了更困难的一面：当 Agent 的工作彼此依赖，它们会出现重复选择、同步失败和集体策略突然崩塌。
这让「Agent Swarm」从演示里的并行小技巧，变成一个需要单独研究的系统问题：规模扩大并不自动等于质量提高，协调结构、任务依赖和模型多样性都会改变结果。
它为什么有时比单 Agent 强
第一是覆盖面。多个 Agent 可以同时尝试不同假设、工具和搜索路径，特别适合漏洞发现、资料检索和候选方案生成。第二是专业化：运行一段时间后，不同 Agent 可能在某类任务上形成分工。第三是容错：某一个 Agent 漏掉线索，不一定会破坏其他 Agent 的独立结果。
这种优势最明显的任务通常是「可并行、可独立验证」。如果每个结果都必须等前一个模块完成，集群会花大量时间协调状态，优势迅速变小。
和多 Agent 工作流、子智能体的区别
多 Agent 工作流通常有预先写好的角色和顺序，例如研究员交给写作者，再交给审稿者。Agent Swarm 更强调多个个体同时探索以及运行时形成的协作网络，路径不一定事先固定。
子智能体 是上下文隔离和任务委派的角色单位；把几个子智能体并行调用，不一定就构成 Swarm。只有当它们的数量、相互通信、共享状态或集体协调成为设计核心时，「集群」这个词才真正有用。
最容易踩的坑
同一个模型复制十份，不等于十种思路。Anthropic 的实验观察到，不同 Agent 会独立选择相似题目、撞上相似失败，甚至在博弈里同时改变策略。共同的训练和相似上下文会带来「相关性失败」：看起来有很多票，其实是同一种偏差重复投票。
第二个坑是协调成本。共享仓库会有冲突，共享论坛会堆积噪声，层层汇报会吃掉大量 Token。第三个坑是责任边界：如果最终结果由几十条链路共同产生，必须保留轨迹、来源和仲裁记录，否则出错后很难复盘。
什么时候值得用
适合的任务包括：大范围漏洞搜索、相互独立的资料调查、批量候选生成、可分区的测试探索。不适合的任务包括：强顺序依赖的精细修改、只有一个共享资源的操作，以及无法自动去重和验收的开放式讨论。
实践中先从少量 Agent 开始，测量新增一个 Agent 带来的边际收益，再决定是否扩群。没有评估、预算上限、隔离环境和最终仲裁者的集群，往往只是更昂贵的噪声生成器。