32 个 agent 实战:事件驱动架构降本效果胜过模型路由
tradfyAi · reddit · 2026-09-16
作者在实时金融市场数据场景(32 个专职 agent、跨 GPT-5.6 Sol、Fable、Opus 等多模型)做了一次实验,发现把手动触发的工作流改成真正的事件驱动后,成本不升反降、质量还提升。
架构要点:
- 外部事件发生时仅相关工作流响应;小模型负责分类、抽取、路由、归一化、事件检测和基础摘要等重复性工作
- 输出带时间戳、证据与关系,写入基于图的共享上下文层
- 定期或在检测到「实质变化」时,由前沿模型组成的小型「council」审查积累的上下文,识别矛盾与缺口、压缩关键信息,产出针对特定资产/国家/市场环境的更新快照
降本原理:前沿模型不再处理重复数据和反复重建的上下文,只在小模型过滤和结构化之后选择性介入;提质原理:高推理模型拿到的是连贯证据集而非海量原始数据流。
作者同时坦承遗留问题:上下文会过期、坏观察会污染后续摘要、证据不全时仍会幻觉、「实质事件」难定义、周期性压缩可能丢失后来才重要的细节。核心结论:多 agent 最大的成本问题不是选哪个模型,而是反复把大量非结构化上下文喂给昂贵模型。
「编程与Agent」频道最新
- Cohere Labs 智能体团队构建方法降本 70%，兼顾效率 — Cohere_Labs · 2026-11-02
- Ыég especial: 长文析 AI 价值在效率之后：Infra 必然过剩，应用层基建正当时 — yangyi · 2026-11-02
- 开源 offprompt：MCP 服务器让 Agent 请求密钥却永远看不到明文 — Vast_Ad_7338 · 2026-11-02
- Reddit 讨论：把 OOP 公有方法直接变成 AI Agent 可调用的工具 — out_of_nowhere__ · 2026-11-02
- DeepSeek 设计文档：一人只能盯 3-5 个 agent 会话，瓶颈不再是模型 — heyshrutimishra · 2026-11-02
- 资深工程师谈 AI 编码：软件工程功底决定 agent 输出质量 — bendee983 · 2026-11-02