像把一件事交给几位同事接力：活没变，但每个人都要重读任务说明、前人记录和交接材料。Priyansh Bhardwaj 复盘称，团队把部分流程从单个 AI Agent（让模型读取上下文、调用工具并继续行动的软件模式）改成多智能体后，功能相同任务的 Token 用量约增至三倍。Token 是模型处理文字时的计费单位。
团队起初怀疑，负责派活和检查进度的 Supervisor 调用了太多子 Agent；逐次统计后，分支数量却大致正常。真正的问题藏在静默重试里：某个 Agent 的工具调用格式或数据结构校验失败后，系统会自动再跑一次。为重建它所需的上下文，上游已经成功的 Agent 有时也会被重新执行。一次位于流程深处的失败，便可能让多层工作重复计费；最终答案仍然正确，用户也看不到报错。
这次复盘提醒生产团队：评审多智能体架构时，不能只看拆工是否合理、结果是否正确，还要画清每次调用、上下文传递和失败回退会消耗多少 Token。材料未披露具体任务规模及完整修复数据，三倍增幅应视为作者团队的个案观察。