越复杂越容易崩：做了 25 个 AI Agent 之后，我更相信极简结构

越复杂，往往越容易崩。

一个构建过 25 个以上 AI Agent 的开发者，最后得出的结论其实有点反直觉：真正稳定赚钱的项目，很多都不是什么复杂的多 Agent 系统，而是“一个 API 调用 + 一个好 Prompt”的极简结构。

这条帖子在 Reddit 上引发了很多讨论。作者说，自己做过 25 个以上 Agent，最后发现最能稳定挣钱的几个项目，简单到甚至有点“不好意思拿出来讲”。

比如：

• 邮件自动写入 CRM，一个 Agent，每月 200 美元，几乎不报错；
• 招聘简历解析，每个席位 50 美元，一个 Prompt 就能搞定；
• FAQ 支持机器人，几乎没有编排；
• 评论审核系统，单 Prompt、Webhook、部署完成后长期稳定运行。

没有 Agent 之间互相“开会”，没有主管 Agent 统筹协调，也没有复杂的记忆管道。
他最后总结出一条很硬的规则：

每增加一个 Agent，就多一个故障点；每一次交接，就是一次上下文死亡。

这个判断，下面有网友补充得更准确：
Agent A 知道自己为什么做这个决定，Agent B 拿到的只是输出，不知道原因；到了 Agent C，本质上已经变成传话游戏。五个 Agent 串成链，最初输入里的细节、语境和判断依据，基本都会在一轮轮交接里被损耗掉。

还有人分享了一个更具体的实验：
三个图像识别 Agent 并联跑，准确率只提高了 2%，但 token 消耗直接变成三倍；如果串联跑，每次交接的误差继续叠加，最后整体准确率反而掉了 30%。

所以问题很多时候不在于“多 Agent 能不能做出来”，而在于它值不值得。
复杂架构确实看起来更高级，但往往也意味着更高的成本、更脆弱的链路和更难排查的问题。

也有人讨论了一个概念问题：这种东西到底该叫“Agent”，还是更准确地说，只是“带 LLM 节点的自动化流水线”？
有些人认为，没有真正自主决策能力的系统，其实不能算 Agent。
但帖子作者的回应很直接：叫什么不重要，客户付钱是因为问题被解决了，不是因为架构名词好听。

也有人反驳说，用户完全可以自己拿 Claude 搭一个类似的东西。
作者的回答也很现实：这个逻辑其实适用于所有服务行业。YouTube 上也有大量水管教程，但水管工依然存在。
他的客户不是技术创始人，而是运营经理、招聘专员、物流协调员。对这些人来说，技术上“能做出来”和商业上“长期可靠运行”，中间隔着的那段距离，本身就是服务价值。

还有一个观点我也很认同：
Prompt 本身未必是最值钱的商品，关系、交付和可靠性，才是人们真正愿意持续付费的东西。
有人见过一个工作流，自己两小时就能复刻，但别人照样能收 500 美元一个月。原因不在技术壁垒，而在于对方拥有细分市场、成熟的新用户引导，以及已经建立起来的信任。

评论区里还有一句很尖锐的话，大意是：
那些在演示视频里看起来非常厉害的复杂多 Agent 系统，往往 60 天内就会被替换掉；反而那些无聊的单 Agent，一直在默默赚钱，只是没人讨论它们。

最后我很喜欢这个总结：

一个 Agent，一个任务，可衡量的输出。

当然，这个判断不是绝对的。
如果任务天然就是并行的、子任务之间彼此独立，那么多 Agent 设计当然合理。问题在于，大多数人往往还没验证简单版本到底能不能用，就已经提前开始设计复杂系统了。

而多 Agent 最迷人的地方，恰恰也在这里：
它会让你感觉自己在做一套很严肃的工程。
但很多时候，那只是一种严肃的过度工程。