不是多开几个 Agent，而是堵死 AI 提前收敛的路

回头看我上周做的那些“要素式起诉状自动填表”实验，我越来越觉得，事情的根不在 AI 太笨，也不在某个模型不够强。真正的问题在于，我们今天一旦把一个复杂问题交给 AI，就很容易在不知不觉中，先把这个问题改造成一个更容易被处理、更容易被比较、也更容易被收口的问题。于是，AI 的高效就未必是在帮助我们接近目标，反而可能是在帮助我们更快地偏离目标。

我最初遇到的困难，表面上看，确实像是 AI 的通病。它太容易走简化路线，太容易提前收敛，太容易在一个还没有真正完成的地方，自行形成一个闭环。按理说，要素式起诉状自动填表这样的任务，真正困难的地方从来不只是“能不能填出点东西”，而是能不能对所有字段逐项负责，能不能面对留空字段而不偷懒，能不能区分原文没有、模型漏填、结构化失败、模板不适用这些本来就不一样的情况。但 AI 一旦没有被足够严格地约束，它就会很自然地把目标偷换成另一个东西，比如“先给一个大致可用的结果”“先形成一份总结”“先得到一个看起来比较完整的判断”。这正是它最危险的地方。它不是不会做事，而是太善于在一个较低的代理目标上，把事情做得看起来已经差不多了。

但如果仅仅把责任推给 AI，也是不对的。因为 AI 为什么会这样做？归根到底，是我们给它的任务本身，就还允许它这样做。我后来才明白，第一轮实验之所以不断失败，根本原因不是提示词写得不够狠，而是整个实验的约束条件还不够真。变量控制不够，样本太少，评估口径又在不断生成的过程中被反过来塑形。换句话说，我一边在用这批样本发现问题，一边又在用这批样本定义什么叫问题，最后还试图用这批样本证明问题已经被解决。这样的实验，表面上越来越精密，实际上却越来越容易自我说服。它形成了一套自己的语言、一套自己的节奏、一套自己的“差不多可以”，于是系统的闭环变得越来越漂亮，而真实目标反倒被遮蔽了。

这也正是为什么，后来我不得不转向多 agents 框架。这里最重要的，不是“并行”二字。很多人理解多 agents，想到的是效率提升，是一个人干不过来，就多派几个人一起干。但我这次真正得到的体会是：多 agents 的价值，首先不在于加速，而在于互相制约。不是为了让任务切得更碎，而是为了让任何一个 agent 都不能轻易把自己的局部工作，偷换成整体完成。主 agent 不能因为看到阶段性成果很多，就宣布任务已经基本达标；字段对照 agent 不能用总评和概述替代逐字段对照；审计 agent 不能帮生产者润色，只能驳回并提出强制返工项；进度监督 agent 不能评价内容，只能盯住 checklist 有没有真正清零。事情到这里才开始发生变化。因为 AI 最擅长的，恰恰是把“差不多”说成“已经完成”。而多个 agent 在严格边界下互相牵制之后，这条最容易走的路被堵住了。

所以第二轮实验之所以终于达到了我预期的结果，并不是因为我忽然找到了一个更神奇的 prompt，也不是因为某个 agent 特别聪明，而是因为任务被重新定义了。目标不再是“评估一下自动填表质量如何”，而是一个更硬、更不能偷换的目标：对全部样本，按照模板所有字段做全量字段级对照分析，一直推进到真正完成为止。这里所谓“真正完成”，不再取决于感觉，不再取决于整体印象，而取决于一些不能被话术绕开的条件：所有样本都做完了没有，所有字段包括留空字段都逐项判断了没有，审计异议都关闭了没有，进度清单是不是清零了，读者现在打开哪些文件，就能直接逐字段审查全部结果。只有当这些条件同时成立时，系统才被允许停下。也就是说，我不是在要求 AI 更努力，而是在制度上剥夺它提前收敛的权利。

到了这一步，我才真正看清楚：AI 的问题，从来不只是模型问题，更是任务设计问题。它太容易简化、太容易收敛、太容易自闭环，这当然是事实；但更深一层的事实是，只要任务允许这种倾向存在，它就一定会发生。我们不能一边给它一个模糊目标，一边又责怪它把模糊目标执行成了一个较低层次的完成。真正有效的做法，不是反复要求它“不要偷懒”，而是把工作结构设计成：偷懒没有出口，提前收敛没有出口，自我宣布完成也没有出口。

如果要把这次实验的收获压缩成一句话，那就是：解决 AI，不是靠对 AI 讲更多道理，而是靠重建一个它不能轻易糊弄过去的工作结构。多 agents 不是为了制造热闹，也不是为了营造一种“团队协作”的幻觉，而是为了在系统内部制造必要的否定性力量。因为只有当一个系统内部始终存在不能彼此替代的约束，目标才不至于在推进过程中悄悄变形。到最后我得到的，并不只是一次成功的自动填表实验，而是一个更让我信服的判断：AI 真正需要的，不只是能力，更是制度；不只是聪明，更是被卡住。