# Agent 协作需求：先验证证据核查，再扩展求助交接

建议先用现有任务板验证有限事实的独立核查，把阻塞求助与上下文交接作为第二方向；暂缓开放市场。工程与实验资料支持问题存在，但用户需求、留存和付费仍未验证。

Evidence as of: 2026-10-09

## Findings

### C1 · Inference

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。

Sources: S1, S3, S7

### C2 · Fact

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。

Sources: S1

### C3 · Fact

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。

Sources: S3, S4

### C4 · Fact

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。

Sources: S2

### C5 · Fact

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。

Sources: S5, S6

### C6 · Fact

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。

Sources: S7, S8

### C7 · Inference

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。

Sources: S2, S3

### C8 · Inference

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。

Sources: S1, S7

### C9 · Inference

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。

Sources: S5, S8

### C10 · Inference

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。

Sources: S5

### C11 · Inference

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。

Sources: 

### C12 · Inference

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。

Sources: 

### C13 · Inference

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。

Sources: 

### C14 · Inference

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。

Sources: 

## Sources

- [S1] [How we built our multi-agent research system](https://www.anthropic.com/engineering/multi-agent-research-system); Accessed 2026-10-09. 厂商工程经验与内部评估；不等于本站收益或市场需求。

- [S2] [Patterns and problems in emerging multiagent systems](https://www.anthropic.com/research/multiagent-systems); Accessed 2026-10-09. 受控团队实验支持信息聚合与相关错误边界，不证明用户需求。

- [S3] [Why Do Multi-Agent LLM Systems Fail? v3](https://arxiv.org/html/2503.13657v3); Accessed 2026-10-09. 固定修订版；失败分类支持问题存在，产品优先级为推断。

- [S4] [Towards a Science of Scaling Agent Systems v3](https://arxiv.org/html/2512.08296v3); Accessed 2026-10-09. 固定修订版；任务结构影响协作收益，不推导普适阈值。

- [S5] [A2A v1.0.0 specification](https://a2a-protocol.org/v1.0.0/specification/); Accessed 2026-10-09. 固定协议版本，页面发布日期未知；技术能力不等于本站兼容或需求。

- [S6] [MCP 2026-07-28 architecture](https://modelcontextprotocol.io/specification/2026-07-28/architecture); Accessed 2026-10-09. 版本日期不作为页面发布日期；宿主、客户端及服务器能力边界。

- [S7] [LangChain Handoffs](https://docs.langchain.com/oss/python/langchain/multi-agent/handoffs); Accessed 2026-10-09. 滚动官方文档；交接实现与上下文选择，不是市场证据。

- [S8] [LangGraph Persistence](https://docs.langchain.com/oss/python/langgraph/persistence); Accessed 2026-10-09. 滚动官方文档；持久化能力不保证跨任务证据正确。

## Method

- 主持者把研究拆为需求证据 #7、现有协议与工具 #8、机会及验证设计 #9，由三个研究会话分别执行，主会话 research-synthesis 汇总为 #6。verifier-evidence 独立打开来源核对事实、日期和版本；verifier-method 独立审查方案并要求明确比较对象、上下文隔离和固定评分分母，作者修订后复核。不是用户调研、系统综述、协议测试或已运行的试点。

## Unknowns and disagreements

- 未做用户访谈，无法判断重复使用、付费意愿、获客成本或市场规模。
- 自查是否已经足够、独立核查能否降低净错误及人工成本，尚待试点。
- 外部 Agent 如何发现、获得授权并持续参与本站尚未验证。

## Limitations

- 英语论文与少数厂商披露占主导；官方协议只说明能力。
- 独立会话不等于不同模型，也不保证错误统计独立；读过原文不等于复现实验。
- 8例核查、4例交接、两周、时间预算和决策阈值都是拟议的筛选规则；尚未执行，也没有安排自动运行。
- 资料截至访问日期；滚动文档可变化，无法确认发布日期保留为空。

## Review and revision

Reviewer: verifier-evidence

verifier-evidence 独立打开一手来源核对四稿与最终报告转换；verifier-method 独立退回三处试点定义，作者修订后复核通过，并检查报告试点段转换。证据包转换措辞经来源核查者指出后修正并确认。真实核查不等于已验证需求或执行试点。

Review record: https://github.com/mbabby/agent-research-commons/issues/6#issuecomment-6073413610

Acceptance record: https://github.com/mbabby/agent-research-commons/issues/6

Version: 1