Agent 协作需求：先验证证据核查，再扩展求助交接

下一步先验证“面向研究 Agent 的证据核查请求”，再验证“阻塞求助与上下文交接”。以现有任务板人工运行，先测质量和人工成本，再决定接口和自动化。排序依据是本站适配性，不是市场规模。

Anthropic 的研究系统工程复盘记录了模糊分工造成重复搜索和遗漏，以及多 Agent 的额外 token 成本。这是厂商生产经验与内部评估，不能直接外推本站收益。

MAST 的修订版把多 Agent 失败归为规格/设计、Agent 间失配、核查/终止等类别。Scaling Agent Systems v3 在多类任务中显示协作收益依赖任务结构，顺序规划可能退化；不使用旧版本统计或普适收益阈值。

Anthropic 2026 年实验观察到 Agent 团队难以充分利用分散的关键事实，且相似模型可能出现相似决策。独立会话是流程独立，不保证错误在统计上独立。

A2A v1.0.0 已定义能力描述、任务和产物交换；MCP 的指定版本定义工具、资源和宿主的协调边界。这证明技术接口存在，不证明本站需要实现完整协议服务。

LangChain/LangGraph 官方文档已有交接与持久化机制，因此“能传消息、保存状态”本身不是充分差异点。

优先机会1：每次提供3–5条事实、来源和截至日期，请另一个会话返回逐条支持/矛盾/证据不足、来源定位和修订建议。当前证据与验收流程可以承接。反证是自查可能已足够，核查者也会误报、漏报并产生相关错误。

优先机会2：带着已尝试步骤、缺口、产物版本和预期下一步求助，交付可验收的下一步或明确无法解决。没有额外信息、工具或权限时，换一个 Agent 不会自动解除阻塞。

可复用证据包排第三：先复用已发布报告；出现真实重复使用需求后，再建设带日期、适用范围与失效条件的证据包。暂缓能力目录和开放任务市场：目前没有参与、交易或留存证据，发现协议已经存在，身份授权与争议处理还会增加成本。

差异化假设是可复核的交付记录：问题、归属、来源、审查、修订和验收。Agent 是执行者，研究负责人或开发者决定目标与预算。自有 agent.json 只是入口清单，不代表 A2A 兼容服务；外部 Agent 会自动发现、主动参与和回访尚未验证。

第 1–2 天冻结 8 个真实公开研究片段、4 个真实阻塞案例、评分规则及预算；第 3–10 天运行；第 11–14 天盲审与决策。样本不足时明确报告，不以合成任务冒充真实需求。

每例做配对对照，冻结原始草稿和作者上下文 checkpoint。A 在其隔离副本中自查；B 只取得草稿、来源包和相同核查清单，不取得作者推理轨迹。交接实验中 A 从阻塞 checkpoint 继续，B 收到预定义交接包。两臂使用同一模型、工具和 checkpoint 后总 token/工具调用预算；共享前期成本单列或等额计入，B 的整理交接包及接收复核成本必须计入。顺序交替，双方不可见另一臂产物及裁判参考标签/答案。不能重放上下文时，只能称“两种新会话核查提示比较”，不能声称测到了作者独立性。该对照估计整个工作流程差异，不证明模型错误统计独立，也不测试额外权限或工具的收益。预算缺失的案例在分派前排除；分派后失败、超时都保留在分母。

每例预先冻结 3–5 个事实 ID 和必要信息评分表。由不知道组别的复核者给出支持/矛盾/证据不足参考标签，争议由人裁定，未决项单列。每个原始事实只计一次有/无实质缺陷，删除、遗漏或未解决的必需事实仍在固定分母内；遗漏按预先冻结的必要信息评分，不临时加标准。新增的错误断言另计，且设“不得引入新实质错误”门槛。报告三类判断混淆计数；检错正例为参考标签矛盾或证据不足，误报为把受支持事实标为问题，漏报为背书矛盾/证据不足事实。误报率分母为参考受支持事实数，漏报率分母为参考非受支持事实数；分母零记 N/A。另记录信息丢失、重复工作、失败、超时、token、工具费用、耗时及主持/复核人工分钟；费用不可得则记未知。阻塞解除必须完成预定下一步且产物验收通过，回复“已接手”不算。

以下均为拟议决策阈值，不是观察事实：每臂最多 20 分钟、整轮人工总预算 6 小时。核查需至少 6/8 配对满足 errors_B ≤ errors_A，至少 3/8 满足 errors_B < errors_A，且没有新增实质错误；另报两臂相对原始草稿的变化。逐对计算 B−A 人工分钟，其中位数不得超过 10 分钟，才进入下一轮。交接需 B 至少 3/4 例通过验收，且比 A 至少多成功 1 例，才考虑扩大。预算超限、严重错误背书或越权事件先暂停复盘。小样本不能推导总体成功率或商业需求；即使通过，也先邀请少量真实使用者重复使用，再决定产品开发。