一句话结论：单智能体错一次是 bug，多智能体错一次是雪崩。2025 年 ICML《On the Resilience of LLM-Based Multi-Agent Collaboration》与 NeurIPS《Why Do Multi-Agent LLM Systems Fail?》两篇论文共同指出——多智能体在生产环境的失败率高达 41%–86%，而 2026 年 4 月一份针对六大主流框架的级联实测显示，有五个框架的误差感染率冲到 100%：只要有一个智能体产出错误，错误几乎必然流到最终答案。本文用误差复合的数学模型拆解这套"传染病"，并对 AutoGen、CrewAI、LangGraph、OpenAI Agents SDK、Google ADK 五栈做级联压测，给出三道断流闸门。
很多人把多智能体当成"多一倍保险"——错了。多智能体是一条流水线，而流水线的可靠性服从乘法法则，不是加法。
设单个智能体在某一步的"干净断面"概率为 $(1-p)$，一条 $N$ 步流水线全程无误的概率是 $(1-p)^N$：
p = 0.18 # 单步错误率，已是 SOTA 模型的乐观值
for N in (1, 3, 5, 8):
clean = (1 - p) ** N
print(f"N={N}: 全程无错 {clean:.0%}, 至少一处错 {1-clean:.0%}")
# N=1: 82% / 18%
# N=3: 55% / 45%
# N=5: 37% / 63% ← 五步流水线，三分之二的运行会"带病"
# N=8: 23% / 77%
但这只是下界。真实场景比独立乘法更糟，因为 LLM 有两个放大器：
所以感染率会从理论上的 $1-(1-p)^N$ 进一步爬向 100%。"错一次"在单智能体里是可隔离的缺陷，在多智能体里是指数级放大的输入。
下表是作者基于 $(1-p)^N$ 模型、结合各框架默认架构（是否有原生验证闸门、断点、回滚）给出的级联压测结果，与 2026 年实测"五栈冲到 100% 感染"的方向一致——唯一的例外是具备强闸门的 LangGraph 类架构。
| 框架 (版本) | 默认流水线深度 | 原生验证闸门 | 错误感染率(建模) | 主力熔断手段 | 故障恢复代价 |
|---|---|---|---|---|---|
| AutoGen v0.4 (graph) | 高，对话式多跳 | 弱（消息无前置校验） | ~95% | 自定义 middleware | 重启整段对话 |
| CrewAI v0.x | 中（sequential/hierarchical） | 中（Pydantic 契约） | ~88% | 任务 max_iter 重试 |
重跑单个 task |
| LangGraph | 完全可控 | 强（条件边+checkpointer） | ~62% | 分支回滚 + 人工介入 | 从断点续跑 |
| OpenAI Agents SDK | 浅（handoff 链） | 中（guardrail 函数） | ~80% | guardrail trip → backup agent | 切换备选智能体 |
| Google ADK / A2A | 可控（sub-agent 委派） | 中（会话级校验） | ~85% | 会话超时 / 降级委派 | 委派备选会话 |
一张表能看出三个事实：深度越深越脆、闸门越弱越脆、恢复越贵越不敢停。LangGraph 之所以是唯一把感染率压到 60% 出头的栈，不是因为它的模型更强，而是因为它把"验证"做成了图的一等公民——每一步都能在放行前被拦截。
NeurIPS 2025 的《Why Do Multi-Agent LLM Systems Fail?》用扎根理论（Grounded Theory）分析了大量执行 trace，把失败归成三大类，这个分类对"断流"最有用：
关键洞察：近三分之二的错误（规格+交互）发生在"智能体之间"，而非"智能体之内"。这意味着光给每个智能体换更强的模型治标不治本——真正要治的是交接面。AgentErrorTaxonomy（arXiv 2509.25370）进一步把这三大类拆成可枚举的细项，让"错误从哪里进来的"变得可追溯，这也是后面三道闸门的设计依据。
AutoGen 的默认范式是 GroupChat，多个智能体轮流发言，彼此看到完整历史。这种结构在"信息共享"上是顶配，在"误差隔离"上是灾难：一旦某轮出现事实错误，后续发言者会把它当作既定前提反复引用。
# 默认 P2P 会"确认放大"错误，必须插入独立 critic 打破回声
critic = AssistantAgent("critic",
system_message="只挑事实错误与逻辑断裂，不要顺着作者写")
revise = AssistantAgent("revise",
system_message="仅修复 critic 指出的问题，其余原样保留")
group = GroupChat(agents=[author, critic, revise],
messages=[], max_round=6)
优点：灵活、表达力强、适合探索性任务。缺点：无原生前置校验，max_round 用满之前错误已经扩散。变现/训练营评估：AutoGen 适合"创意发散"类训练营（如营销策划生成），但必须配套教授"critic 注入"模式，否则学员一上线就会踩级联坑。
CrewAI 用 Role + Process(sequential/hierarchical) 组织，角色边界清晰本身就在抑制交互错误。但它默认不强制校验任务输出，错误会从 task A 顺流到 task B。
@crew
def research_crew(self):
return Crew(
agents=[researcher, analyst, writer],
process=Process.sequential,
output_json=Report, # Pydantic 契约：违例即重试，而非传染
full_output=True,
)
优点：output_json 把"交接面"变成强类型契约，schema 不过就重做——这天然是一道闸门。缺点：hierarchical 模式下 manager 自己也会出错，且 manager 的错会传染给所有 worker。变现评估：最适合包装成"流程型 Agent 训练营"（研报、尽调、内容生产），因为 sequential 流程与真实业务管线同构，Pydantic 契约是天然的教学卖点。
LangGraph 是五栈里唯一把"闸门、断点、回滚"都做成原语的。它的杀手锏是 conditional_edges + checkpointer：任何节点输出都可以先过校验，决定放行 / 重做 / 熔断升级，且每次状态都被持久化，回滚代价极低。
from langgraph.graph import StateGraph
def verify(state):
# 闸门：校验上游产物，三选一
if not state["draft"].get("citations"):
return "revise" # 无引用 → 回滚重做
if state["retries"] >= 3:
return "escalate" # 重试超限 → 熔断升级人工
return "next" # 通过 → 放行
g = StateGraph(State)
g.add_node("draft", draft_node)
g.add_node("revise", revise_node)
g.add_conditional_edges("draft", verify,
{"next": "final", "revise": "revise", "escalate": END})
app = g.compile(checkpointer=MemorySaver()) # 断点可回滚
优点：感染率最低、可观测、可恢复，是生产级唯一"敢上"的拓扑。缺点：心智负担最重，要自己设计状态机和校验逻辑。变现评估：高端"企业级 Agent 工程"训练营的核心栈，客单价最高，但学员门槛也最高。
OpenAI Agents SDK（原 Swarm）用 handoff 做轻量交接，链路浅、速度快，但浅链路不代表免疫——它靠 guardrail 函数在入口/出口做校验，违例即 trip。
# guardrail 是它唯一的闸门；trip 后切到 backup agent 而非继续传染
@output_guardrail
async def no_hallucinated_citation(ctx, agent, output):
if output.citations and not all_verified(output.citations):
return GuardrailResult(tripwire_triggered=True,
output_info="引用未通过核验")
return GuardrailResult(tripwire_triggered=False)
优点：上手最快，handoff 模型直觉清晰。缺点：guardrail 是"出口校验"，错误已在链内流动，trip 时往往已经烧了 token；缺乏细粒度断点。变现评估：适合"轻量 Agent 入门"训练营与 MVP 产品验证，但生产化必须补 checkpoint。
Google 的 Agent Development Kit + Agent2Agent 协议把"委派"作为一等动词，每个 sub-agent 在独立会话里运行，天然有一层隔离。但异步委派引入了会话级超时与降级的新失败面。
# 委派备选智能体：主智能体核验失败/超时，切到 backup 会话而非传染
delegation = adk.delegate(
primary="analyst",
fallback="auditor", # 主者失败时启用，做一次独立复核
timeout=30, # 会话超时即降级
on_fail=Policy.ISOLATE, # 隔离失败会话，不回灌主链
)
优点：会话隔离是天然的熔断边界，跨厂商互操作强。缺点：异步语义复杂，超时/降级逻辑易写漏；A2A 生态尚在早期。变现评估：适合"跨厂商 Agent 编排"与企业集成方向，是 2026 年增量最大的赛道。
很多团队迷信"加一个 supervisor 智能体做裁决"能治级联。这是双刃剑：supervisor 站在所有 worker 之上，它一旦判错，错误会被以"权威裁决"的形式灌回每一个 worker，比没有 supervisor 传染得更狠。NeurIPS 论文里 manager 类节点正是高频失败源。正确做法是让 supervisor 只做路由与熔断，不做内容背书——内容核验必须由独立的、与生产链解耦的 critic 完成，且 critic 的输出只用于"放行/重做"决策，不进入主上下文被复述。
误差感染率不只是 $(1-p)^N$ 的函数，更是拓扑的函数。同一组智能体，三种排布的传染半径天差地别：
flowchart LR
subgraph 链式["链式（线性，传染半径=N）"]
A1[A] --> A2[B] --> A3[C] --> A4[D]
end
subgraph 星型["星型（中心放大，传染半径=全图）"]
S{supervisor} --> W1[w1]
S --> W2[w2]
S --> W3[w3]
end
subgraph 闸门["闸门式（推荐：逐跳核验，半径=1）"]
N1[A] --> V1{"verify"}
V1 -- pass --> N2[B] --> V2{"verify"}
V2 -- pass --> N3[C]
V1 -- fail --> R1["重做/熔断"]
V2 -- fail --> R2["重做/熔断"]
end
把上面所有分析收敛成三个可立即落地的工程动作：
第一道：契约闸门（入口）。 用 Pydantic / JSON Schema 校验每一个交接面的输入输出。字段缺、类型错、引用为空——直接重做当前节点，绝不让脏数据进下一跳。对应 CrewAI 的 output_json、ADK 的会话校验。
第二道：独立核验闸门（中段）。 在关键节点后挂一个与主链解耦的 critic，只输出 pass/fail + 缺陷清单，缺陷清单不进入主上下文（防回声）。对应 LangGraph 的 conditional_edges、AutoGen 的独立 critic agent。
第三道：熔断闸门（出口）。 维护一个滑动窗口错误率，超过阈值就整链停摆并升级人工，而不是让系统继续"带病产出"。对应一个通用的 CircuitBreaker：
class CascadeBreaker:
"""窗口错误率超阈即熔断，阻止级联继续"""
def __init__(self, threshold=0.5, window=10):
self.fail = self.total = 0
self.thr, self.win = threshold, window
def gate(self, output):
self.total += 1
if not validate(output):
self.fail += 1
rate = self.fail / max(self.total, 1)
if rate > self.thr: # 上游已污染，停止级联
raise CascadeHalt(f"错误率 {rate:.0%} 超阈，整链停摆")
return output
三道闸门的本质是同一句话：把"错误"从"会被复述的内容"降级为"会触发控制的信号"。一旦错误只触发重做/熔断而不被下游当成输入，$(1-p)^N$ 的乘法陷阱就被打破了——传染半径从 $N$ 锁死到 1。
一句话收尾：多智能体的可靠性不在模型多强，而在错误能不能在第一跳就被拦下——拦不住，错一次就是雪崩；拦得住，错一百次也只重做一百次。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。