用途：指导设计多个专用智能体协作解决复杂问题的系统，核心原则是把复杂任务分给各领域专家智能体，并通过明确的通信模式协调。
适用场景：任务需要多种专业能力（研究＋写作＋编码）、独立子任务可并行加速、需要通过同行评审自我纠错、含决策点的复杂工作流，或单智能体难以扩展时。不适用：单智能体能高效完成、任务简单线性、通信开销大于并行收益、团队缺乏多智能体调试经验时。
主要能力与模式： 1）顺序流水线：如研究→分析→写作→编辑，依赖清晰、易调试，但无并行、存在瓶颈。 2）分层（管理者—工作者）：管理者拆解任务，工作者并行执行，聚合器汇总，具备并行与专业化，但协调开销大。 3）同行协作（圆桌）：编码者、评审者、测试者迭代至共识，质量高但可能不收敛且成本高。 4）智能体群体：多个智能体独立探索解空间，选择器挑最优，创意强但成本为 N 倍且结果可能趋同。
通信模式：共享内存（简单但存在竞态）、消息传递（流程清晰可追踪但实现复杂）、事件驱动（松耦合可扩展但执行流难跟踪）。
协调策略：固定工作流、动态路由（管理者按上下文决定下一智能体）、基于共识（投票或评分）。实现示例涉及 CrewAI 的 Agent、Task、Crew 与 kickoff，以及 LangGraph 的 StateGraph、节点与边、compile 与 invoke。
最佳实践：明确智能体角色、最小化通信、幂等操作、失败处理（重试、回退、跳过）、可观测执行、成本管理（追踪每个智能体的 token 用量）。常见错误包括智能体过多、职责不清、无失败处理、同步瓶颈、忽视成本、过度设计。
限制与取舍：资料未提供具体收费、价格、平台信息。文档给出单一与多智能体的决策框架，并建议不确定时先从单智能体开始，必要时再重构为多智能体；同时列出监控指标与相关技能、模式、手册的引用关系。