100 次调用换一个证明：Cogentic 说明多智能体真正的价值在「审查」
多智能体（Multi-Agent）这一年被讲得太玄。Google 的新论文 Cogentic 给了一个很具体的答案：它的价值主要不在「并行」，而在「审查」。
Google 发布论文 Cogentic，用多智能体编排让 Gemini 在 5 个未解数学问题上找到了新证明，且全部经人类专家逐一确认。系统由多个 Agent 并行尝试不同思路，关键设计是：审查者默认每一步都有错，直到被证明为止；已被证明的中间结果会被留存下来供下一轮使用。多数问题大约 100 次模型调用完成。
三个可以直接抄的机制
论文里的架构细节，比「多智能体」这个词本身有用得多：
- 生成与审查分离。 提出思路的 Agent 与验证思路的 Agent 是不同角色、不同上下文。这一点很重要：在同一个上下文里既生成又自评，模型会倾向于认可自己的输出。
- 审查默认否定。 「默认有错，直到被证明」是一种对抗式设定。它把审查者的基线从「找理由通过」改成「找理由不通过」，能挡掉大部分看起来工整、实则不成立的中间步骤。这比让模型「仔细检查一遍」有效得多。
- 已验证结果固化复用。 一旦某个中间结论被确认，它就变成可复用的外部事实，后续分支直接引用、不再重新推理。这才是 100 次调用能收敛的关键——否则成本会随分支数组合式爆炸。
100 次调用意味着什么
换算成工程语言：每个高质量结论大约需要两位数的模型调用，而不是一次。这对预算规划有直接影响。
也正因为如此，这套方法的适用范围是有边界的：
- 适合： 结论可被严格验证的任务——数学证明、代码正确性、数据一致性检查、合规判定。
- 不适合： 结论只能靠主观判断的任务——文案、创意、开放域建议。在这些场景，「默认否定」的审查者要么把输出全否掉，要么退化成形式主义。
能不能用多智能体，取决于你能定义多严格的验收标准，而不是你有多少算力。
给读者的落地建议
- 先定义「什么叫做对」。 写不出可机器校验的验收条件，多智能体只会放大分歧，不会提高质量。
- 把审查者独立出来。 至少换新上下文、新角色提示，不要让同一段对话自我审阅。
- 给每轮设调用上限。 论文里约 100 次收敛；你的任务未必有这个性质，必须显式设上限，否则长尾任务会吃掉预算。
- 把确认过的中间结论存下来。 这是把单次成本摊薄成长期资产的唯一方式——同类任务第二次执行时，起点应该比第一次高。
多智能体不是把一次问答变成五次问答，而是把「猜」变成「验证」。 Cogentic 值得学的是后半句。