快速发展的大语言模型和单体代理重塑了自主系统的格局。随着单个代理能力持续提升，多代理协作的收益出现递减，同时上下文开销不断增长。
系统性分析表明，多代理在长时程、依赖稀疏的任务中能够提供系统性优势，而在耦合紧密、顺序化的工作流中，单体代理仍然更优。
基于此，我们提出 SAIGE（Semantic‑Aware Incremental Graph Evolution），一种轻量级的多代理协作机制。SAIGE 将协作视为动态演化的图：节点是按需生成的代理实例，边通过内容检索建立语义依赖。
在长时程、复杂任务基准上的实验显示，SAIGE 在上下文效率与任务性能之间取得了良好平衡；扩大代理池或加深递归层次并未必带来性能提升。
研究结论是，多代理的优势受任务结构限制，而非普遍存在，更多的代理并不等同于更智能的系统。
点评