一个 AI 员工和一支 AI 团队，成本差一个数量级

演示里常见一支 AI 团队：一个负责规划，一个负责检索，一个负责写，一个负责挑错，彼此对话直到交出结果。看起来像一家小公司。Anthropic 在多智能体研究系统的复盘里给出的数字，会让这个画面冷静下来：这类系统消耗的 token，大约是单轮对话的 15 倍。 架构说明里也把多智能体相对单个智能体的消耗写在大约 10 到 15 倍。

贵在协调，不在 “人多”

多出来的费用主要不是某一次回答更长，而是协调本身。规划要先讲一遍任务，每个成员再讲一遍自己看到的材料，汇总的人再读一遍所有人的输出。同样一份资料，在团队里被重复阅读很多遍。延迟也会上去：成员之间要等彼此的结果，用户面对的是一整段沉默，而不是一个员工的连续动作。

单个 AI 员工配上几项技能，通常几天到几周能对着一条真实业务调通。一组要互相对话的员工，光是把 “谁在什么时候说话、意见冲突听谁的、怎样避免死循环” 定下来，就要数周到数月。Anthropic 的建议是先做出能用的一个，再往上加，而不是第一天就设计组织架构。

什么时候一个就够

岗位只覆盖一个领域，而且这个领域已经有相对固定的做法：客服查单与回复、运营出周报、财务做差异说明。把做法写成技能交给这一个员工，深度够用，协调成本为零。技能是给员工的专业能力，不是再雇一个会互相聊天的同事。

判断标准很具体：如果这两件事可以由同一个人在同一段上下文里做完，就不要拆成两个员工。拆开之后，它们就得把上下文互相转述一遍，转述就是那 10 倍费用的来源。

什么时候才值得分成几个

多个领域必须同时在场，而且彼此的结论要互相约束。例如审一份合同：法务看条款，财务看付款和税务，两边缺一不可，又不能让一个员工把两个专业都装到同一次上下文里。这时拆开是合理的，但外层仍然应该是一条工作流：先并行审阅，再汇总差异，再交给人确认。让他们自由辩论到 “自己觉得可以了”，费用和结果都不可控。

还有一种时间维度上的理由：这个方向要做一两年。那也是先上一个员工，把输入输出的接口定稳，以后再加第二个。接口稳定，加人就是加节点；接口没定就先组队，后面每一次调整都是在改一组对话。

算一笔再招人

上线前用一条真实任务估三次调用的 token，乘以预期日单量，再乘上 “如果拆成团队大约 10 倍”。这个数比任何架构图都有用。如果一个员工的成本已经可以接受、质量也过线，团队就先不要建。

可易的用法也是这个顺序：先为一个岗位招一个 AI 员工，把技能和步骤配好，看它一周的实际消耗；确认这个岗位每周都在跑、而且有第二专业必须参与，再加下一个。组织是结果，不是起点。

本文依据

• Anthropic，How we built our multi-agent research system（多智能体相对单轮对话约 15 倍 token 的量级）
• Anthropic，Building Effective AI Agents 架构说明（多智能体相对单个智能体约 10 到 15 倍 token）

数字是上述公开材料中的量级，不是对你业务的测算。具体成本以自己的任务长度和日单量为准。