五个 Agent 在飞书群里接力做一份调研

不是一个 Agent 闷头干完给你结果，而是五个角色在群里你来我往：谁在做什么、谁质疑了谁、哪条结论没有出处，全程看得见，你随时能插一句话。

它长什么样

你在群里 @ 总调度说一句「请调研：AI 编程助手对代码质量的实际影响」，然后就可以去干别的。接下来六分钟里，群里会依次出现：

你 → 总调度      拆成 3 条要点，交给调研员
   → 调研助手    真去检索，4 条发现每条带 URL；查不到的明说「没查到可靠来源」
   → 数据分析师  给出量化推论，标清哪句是引用、哪句是推断
   → 报告撰写    成稿（标题 + 小节 + 结论 + 参考来源）
   → 审核员      抽查数字真伪、挑出被磨掉的限定词，给 12 条修改意见
   → 报告撰写    按意见逐条修订，附「本轮修订」清单
   → 总调度      落成飞书文档，群里回链接 + 摘要
   → 你

最终交付不是一大段聊天消息，而是一个飞书文档链接——三千字的报告塞进聊天窗口根本没法读，手机上会被折叠、链接挤成一团。文档能分享、能评论、能搜索，三个月后还找得到。

为什么要五个人，一个不行吗

一个 Agent 也能写出一份看起来完整的报告。问题是你没法判断它哪句可信——没有出处、没有人质疑过、每句话的语气一样笃定。

分工的价值在于每个角色都在堵一类特定的错：

角色	堵的是什么
调研助手	凭记忆编事实 —— 强制检索并附 URL，查不到就明说
数据分析师	把定性说法升级成精确数字 —— 标注「据调研 / 推断」
报告撰写	成稿时磨掉限定词，读起来更笃定但那是假的确定性
审核员	没人核验 —— 抽查关键数字，逐条点名没有出处的断言
总调度	交付时冒功 —— 只转交、不谎称自己改过稿

真实运行里发生了什么

它承认自己查不到

调研助手在一条结论下面写：

「70–80% 拐点」这一条没查到可靠来源。学术文献结论互相冲突，给出具体数字的均为厂商白皮书，来源不可追溯，下游请勿当作事实引用。

而下游真的听了——分析师没有偷偷补一个数，报告里把它单独隔离进「已排除项（无一手来源，不得量化引用）」。

审核员抓到了真错

它抽查了报告里的数字，一条核实属实、一条**「未能核实」并建议删去**。还指出一个很细的逻辑问题：把「未证实」当成了「已证伪」，建议结论改成「在缺乏本组织数据前，不建议…」。

修订那一棒拒绝了审核员给的数字

报告撰写在修订记录第 1 条写：

按审核意见采用保守表述，未标页码，也未写入审核方提到的 16,935,148 mutant / 10 种语言（同样未经我本人核对）。

审核员是上游权威，但它没有盲从——自己没核实过的数字就不往终稿里写。这个行为没有人要求过，是那几条约束长出来的。

交付时它指出了上游的缺陷

总调度在最后一条消息里说：

终稿末尾的参考链接仍是嵌套重复形态，第 12 条修订记录称已修复，但我收到的文本里并未修复。我按原样保留、没有替用户猜测正确 URL。

它没有替上游圆场，也没有自己瞎猜一个链接。诚实地暴露问题，比无声地糊过去有用得多——后者你得读完全文逐条核对才可能发现。

五条可以直接抄的约束

这些不是设计出来的，是同一个题目跑了四轮、每轮观察失败加一条约束试出来的。写进对应角色的「人设」里即可。

1. 检索角色：禁止凭记忆，查不到要明说

必须真的检索，不许凭记忆作答。
每条结论后面跟上来源，格式 [来源:标题 - URL]。
查不到就明说「这一条没查到可靠来源」，不要用记忆填补——
下游会把你的话当事实往下写。

第三句是关键。只说「要检索」不够：模型查不到时会无声地退回记忆，而那份产出和真检索来的长得一模一样。必须给它一条体面的退路。

2. 分析角色：不许把定性升级成精确数字

上游说「相关性大幅衰减」，你不能写成「解释力只剩个位数百分比」——
这个数字没有出处，但读起来像有，下游会当事实用。

精确化是一种幻觉放大器。「大幅衰减」读者知道是估计，「个位数百分比」读者会以为有研究支撑。

3. 全链：区分「引用」和「推断」

直接来自上游事实的写「(据调研)」，你自己推出来的写「(推断)」。

成本极低（两个前缀），收益极高：审核那一棒因此能只盯推断项，不用靠语感猜哪句可疑。

4. 成稿角色：限定词不许磨掉

上游写「(推断)」的，不能在成稿时写成确定结论——
成稿这一步最容易把限定词磨掉，读起来更笃定，但那是假的确定性。

5. 来源不计入字数限制 ⭐

来源清单不计入字数限制，不许因为「篇幅不够」丢掉它。
丢 URL 比超字数严重得多。

这条最反直觉，也是实测里最贵的一个 bug。 某一轮里 URL 全丢了，第一反应是「模型不听话」。但看数据——它实际输出 580 字，而限制是 350 字，它早就超支了，于是在「保内容」和「保来源」之间选了前者。

所以这不是遵从度问题，是预算冲突。加强措辞没用，得把来源移出预算。改完之后 URL 立刻完整到达末端。

推广开来：凡是「必须原样传下去」的机械信息（来源、编号、原始引文），都要显式排除在字数限制之外——它对当前这一棒的表达毫无贡献，只对下游有用，压缩时必然第一个被牺牲。

还有两条机制约束

跟内容无关，但不写会出事：

每一棒只 @ 下一棒，绝不 @ 回上游——回指会造成无限循环，每跳一次都是一次完整的模型调用。AgentPilot 内置了交接次数闸门兜底，但在人设里先说清更省钱。
审核发现问题不要当场打回重做——同理。要支持返工，就用「审核员 @ 回撰写、撰写改完直接交总调度」这样有界的一次回退，而不是让两个角色自由往返。

怎么搭出来

在 AgentPilot 里创建五个智能体，各写一段人设（把上面的约束抄进去）
逐个接入飞书（应用内一键完成）
把五个智能体组成一个团队
在团队页点**「创建协作群」**——自动建群、拉齐全部成员、你自己也在群里
群里 @ 第一棒，发一句任务

第 4 步是有意做成一键的：手工拉群最容易漏掉一个成员，而链路断在那儿不会有任何提示——被 @ 的机器人不在群里，消息发出去就没人接了。

值得知道的代价

比单个 Agent 慢：这一轮六分钟，其中检索和修订最耗时。换来的是每条结论可核验。
token 花得更多：七跳就是七次完整调用。
适合什么：需要出处、需要交付给别人看的调研与报告。问个事实、写段代码这种，单个 Agent 更划算。

这条链真正的价值不是「更聪明」，而是过程可见、结论可追溯——你不用读完全文再逐条核对，因为哪条有出处、哪条被质疑过、哪条查不到，报告自己写着。

下载 AgentPilot