多智能体系统（下）：多智能体系统优势、挑战及实施指南

作者： Alex Sventeckis，翻译：老常

多智能体优势

借助多智能体系统（Multi-Agent Systems, MAS），团队可收获显著效益，本文将聚焦多智能体的核心优势展开探讨。

1. 跨职能协作

过去组建团队时，我常寻找特定领域的专家——例如，一支涵盖文案撰写、长文创作与视觉设计的营销团队。最优秀的团队往往“1+1>2”：麦肯锡研究显示，跨职能团队的效率提升幅度可达30%。

多智能体系统能带来类似价值。系统中的智能体可专注于策略制定、内容生成或测试等不同职能，尽管各自运行在预设功能框架内，却能为其他智能体提供关键数据，共同服务于团队目标。这种跨职能协作消除了人类团队中普遍存在的信息孤岛问题，同时加速了问题解决进程。

2. 随时学习和调整

主动式AI（Agentic AI）研究者利维恩（LeVine）指出，这一特性是企业易忽视的核心能力：“我认为，多智能体系统最被低估或鲜为人知的基础能力与目标是——个体智能体可基于经验或观察相互协作、学习。在多智能体系统采取行动前，未必需要人类干预。”

这种实时学习与调整的能力，赋予了系统助力营销人员高效工作的卓越灵活性。利维恩补充道：“智能体间的知识学习、模仿与共享，能帮助营销从业者洞察客户需求变化，优化营销投入的ROI。当然，数据质量与可访问性仍是输出有效洞察的关键。”

3. 持续优化

单AI智能体可负责运营或监控营销活动的某一环节，但“设置后即可撒手不管”并不现实——尤其当需要调整或优化活动时。若活动复杂度升级，需根据其他环节结果调整某部分策略，人工追踪将困难重重。

多智能体系统中，智能体可自动处理活动微调。通过紧密协作与数据共享，系统能实时调整广告竞价、文案或投放目标，协调主动式操作以最大化活动回报。

多智能体系统的挑战

新技术往往伴随潜在问题，多智能体系统亦不例外。但其核心挑战主要源于团队对系统的设计与落地运营方式。

1. 数据质量与可访问性

数据质量问题一直是AI落地的“绊脚石”。随着AI自动化工作流的扩展，工具需快速访问并处理干净、可直接使用的数据。

利维恩警告：“若数据治理与监管不当，最终可能导致任务无法以符合品牌利益的方式完成，甚至严重损害客户关系；若数据不可访问，任务将直接失败，同样隐患重重。”

干净的数据是多智能体系统成功的基石。需梳理数据源，剔除重复数据、统一格式，并确保跨源数据一致性。

2. 复杂性与错误传播

若曾学习计算机科学课程，你一定听过“GIGO”（垃圾输入，垃圾输出）。系统若接收错误输入，必然输出错误结果——机器本身无法辨别优劣。

即便主动式AI日益智能，其本质仍是机器。当多个智能体协同服务同一目标时，微小误差可能迅速放大。此时，系统复杂度的增加会进一步加大团队定位问题、调整参数的难度。

利维恩强调，干净有序的数据能大幅降低“GIGO”的负面影响。此外，需通过人工监控系统整体及各智能体表现——系统运行的最初几周至关重要，需密切关注智能体状态，及时介入干预。

3. 组织惯性

我曾探讨过“员工采纳滞后”是AI落地的“杀手”。这一问题不仅存在于一线员工，若管理层不愿支持AI实施，任何超出“轻量级实验”的先进计划都将夭折。

利维恩提醒：“决策者若不愿将控制权让渡给AI智能体，其支持将成为企业全员采纳的关键。”他建议通过消除员工恐惧推动落地：“对企业成员而言，AI是全新事物，‘新’即意味着‘陌生’。选择一套你认可的组织变革管理（OCM）框架，确保员工具备AI素养并减少抵触。”

如何实施多智能体系统

随着多智能体系统在企业运营中扮演更关键角色，尽早探索其落地路径至关重要。具体该如何操作？

当前部分多智能体系统为预打包解决方案，但主要面向大型企业场景。例如，埃森哲的AI Refinery与Salesforce的Agentforce，能让非技术团队便捷地在平台内构建并运行多智能体系统——当然，这类服务需支付更高费用。

若无企业级预算，仍有可行方案。事实上，许多营销负责人已自主搭建多智能体系统。通过研究与访谈，我发现“三”是一个关键数字：多数案例与专家建议的多智能体系统中，三个智能体协同运作效果最佳。

这并非硬性规则（也可使用2个、4个或更多智能体），但需注意：每个智能体都会增加系统复杂度，扩大风险、故障及数据错误的“影响面”。因此，初期尝试建议从3个智能体起步。

基于这一目标，我们分步骤解析实施流程：

1. 明确目标与智能体定位

尽管主动式AI可独立完成大量工作，多智能体系统仍需一个总体目标。以营销活动启动与监控为例，我们的目标可设定为“构建专注营销活动全周期管理的多智能体系统”。

基于此目标，可设计以下三类智能体：

策略智能体：分析历史数据、受众分群与业务目标，生成活动创意。
内容智能体：撰写邮件与社交媒体文案，生成视觉素材。
效果智能体：监控核心指标，标记低效环节。

2. 选择AI工具栈

目标明确后，需根据需求挑选适配的AI工具组合。经验表明，智能体功能越具体，效果越优。例如，HubSpot的Breeze AI提供以下智能体：

[内容AI智能体：用于定制博客、落地页等长文内容创作。
[社交媒体AI智能体]：优化社交媒体内容规划，提供AI驱动的内容生成支持。
[线索挖掘AI智能体]：研究目标受众，搭建个性化触达活动。

其他AI智能体亦可提供适配功能，融入你的多智能体系统计划。需谨记：智能体本身仅是解决方案的一部分，还需强化其间的连接，并为其输入高质量数据。

3. 构建共享工作空间

数据质量对整个流程的重要性再怎么强调都不为过。若数据管理混乱，最终将导致AI智能体“困惑失效”——这类智能体会令团队失望，并阻碍企业层面的广泛采纳。

初期无需追求完美，但需聚焦关键信息的集中化存储与合理索引。Notion、Airtable或Google Sheets等工具可作为优质数据仓库，帮助智能体访问数据并记录进度。

老常：国内可以选择飞书做数据仓库，或者搭建企业的知识库，骞和丝路也即将发布 AI智能体服务，欢迎大家交流

4. 连接AI智能体

当智能体需相互通信时，可使用Zapier或Make.com等连接工具设置自动化工作流触发器。

我倾向于这类工具，因其简化了操作——任何能避免直接处理复杂API的方式都值得推荐。

也可在单个工具（如ChatGPT）内设置定时提示或自动化任务，定期执行关键操作（如每周多智能体系统效果检查）。

老常：国内可以选择Coze工具

5. 有策略地融入人类

最佳多智能体系统不会排斥人类——通过定期检查与人工干预，可构建更智能、高效的系统。团队成员需定期审核输出结果，验证关键活动方向（理想情况是在发布前），并根据结果调整提示或规则。

在此模式下，多智能体系统如同团队中的“子团队”。以优质数据与清晰指令赋能AI团队，即可释放更大价值。

现实世界中的多智能体系统

“多智能体系统”听起来像是《财富》500强企业的专属，但并非仅适用于大型企业。

灵活创新的营销团队无需高昂成本，即可构建适配自身需求的多智能体系统。

若我需从零搭建多智能体系统，以下案例可作为参考。

RED27创意公司：内容智能网络

RED27创意公司总裁兼首席营销官基尔·特雷德雷亚（Kiel Tredrea）观察到许多营销负责人面临的痛点：团队协作脱节——具体而言，内容创作、个性化与效果分析常各自为战，而非为客户目标协同运作。

特雷德雷亚的“内容智能网络”部署了三类专用AI智能体：

内容策略智能体：分析行业趋势与竞争定位。
个性化智能体：细分网站访客，定制信息。
效果优化智能体：基于实时互动数据持续优化活动。

每个智能体可访问共享数据，但在自身领域内自主决策。实际效果如何？特雷德雷亚分享了与一家B2B软件客户的合作案例：

“内容策略智能体识别出‘ fractional marketing（碎片化营销）’解决方案的未开发SEO机会，并将这些洞察传递给个性化智能体，后者动态调整特定行业访客的网站信息。”特雷德雷亚表示，“同时，效果智能体发现，在客户旅程早期展示技术规格可提升转化率，随即自动触发内容重新分发。”

这一流程使优质潜在客户数量增长37%，网站访客到销售电话的转化率提升22%，同时广告支出减少30%。

我认为，“内容智能网络”充分展现了智能体间相互赋能的价值。空谈“共享数据与学习”易，但将其转化为实际成果难能可贵——而这里，信息孤岛被彻底打破，洞见在智能体间自由流动。

多触点营销：PPC智能网络

Multi Touch Marketing创始人米尔顿·布朗（Milton Brown）分享了他在多个PPC与数字营销活动中落地多智能体系统的经验。他提到一个高等教育客户项目，其中部署了所谓的“PPC智能网络”。

“我们创建了三类协同运作的AI智能体：一类持续分析关键词表现与竞价调整；一类监控广告创意效果并生成响应式搜索广告变体；第三类追踪转化路径分析与落地页表现。”布朗表示。

还记得我强调过的“协调性”是单智能体与多智能体系统的核心差异（及优势）吗？布朗的系统完美印证了这一点。

“关键词智能体识别高表现术语后，触发创意智能体生成强调这些术语的新变体，同时提醒转化智能体优先关注这些流量段。”他解释道。

随着多智能体系统全面运行，活动效率提升28%，优化漏斗带来的报名率增长17%。

对中小企业而言，最值得关注的是此类系统的可扩展性。布朗补充道：“这一方法能适配不同预算——我已在2万至500万美元预算的活动中成功落地类似系统，成功率始终稳定。”

Frec Markets：实时社交转化

企业级多智能体系统固然强大，但我更欣赏“轻量高效”的多智能体方案——Frec Markets增长负责人安珀利·琼斯（Amberly Jones）便为该公司构建了一套，用于将社交媒体互动转化为低成本大规模获客策略。

琼斯团队发现，潜在用户常活跃于Reddit与X平台，讨论复杂投资话题。为此，他们整合了三类垂直智能体，并仅在需要判断与合规时介入人工。

她详细介绍了Frec的三智能体架构：

F5bot：“每几分钟扫描一次公共帖子，抓取含优先级关键词的内容并推送至专用Slack频道。这一渠道确保我们不错过任何提及，且无需承担自主爬虫或基础设施成本。”
两个LLM端点：“当警报触发时，增长专员复制（注：或指‘调用预加载’）OpenAI o3提示词（预加载品牌语气、FAQ片段与FINRA合规限制）。o3返回一段总结及意图标签（问题、表扬、投诉、谣言）。若标签需要回复，同一段文本会被粘贴至第二个提示词，由Anthropic的Claude生成符合合规清单的纯文本回复。”
Sprout Social：“将回复草稿存入Sprout待发布队列，Sprout会在最佳时间发布，并记录互动数据用于归因。”

在此自动化方案落地前，团队难以应对平台上的海量互动。

“我们每天需花约4小时搜索并回复Reddit帖子——速度太慢，无法引导对话。”琼斯表示，“如今，平均首次响应时间缩短至30分钟内，讨论保持事实性、友好性与可发现性。”

我认为，琼斯与Frec Markets的案例完美展示了“敏捷多智能体系统”如何响应关键业务需求。此外，她还强调了一个重要经验：

“核心启示并非‘AI取代营销人员’，而是‘我们都能通过AI完成更多’。

三个专用智能体——监听、提炼、草拟——能剥离社交互动中的繁琐工作，让人类专注于判断、合规与建立转化型关系。”

你准备好拥抱多智能体系统了吗？

我仍认为，我们尚未完全掌握主动式AI的“密码”。智能体可能偏离目标，而无需人工干预的网络化智能体将风险大幅放大。目前，人类仍需深度参与细节管理——在实现完全自主前，真正的主动式AI尚未到来。

不过，基于稳固基础设施、输入有效数据并赋予一定自主权的多智能体系统，已能为今天的营销团队赋能。我不会将活动的“控制权”完全交给系统，但在撰写本文时，我目睹了专家与组织通过多智能体系统挖掘新机遇、探索新可能。

切勿忽视这些系统。找到真实的业务需求，从三智能体系统起步。它不会取代你或你的团队，但你或许会发现，AI正为你创造全新价值。

欢迎分享