指挥Agent军队不用学PMP，但要偷它的五个视角

前阵子我把一个活拆成两路，派给两个 agent 并行干。

一路写新工具，一路写版本号工具。两个独立工作区，互不打扰，理论上一晚上能出两倍的活。

结果：一个 agent 在后台静默——日志里一个字都抓不到；另一个干到第 11 轮被 max-turns 拦下，活没干完。

代码没合并，我先花时间当调度员。

那一刻我意识到：指挥 agent 干活，卡住我的从来不是模型不够强，是管理。

所以当有人问我"指挥一支 Agent 军队之前，你得学学 PMP？"的时候，我没有笑，而是真的去翻了一遍 PMBOK。

● ● ●

一、Agent 军队不是比喻，是生产现实

先说清楚"军队"这个词的分量。

Anthropic 把 Claude Research 做成 orchestrator-worker 架构：一个 lead agent 当指挥官，拆解任务，派出多个子代理并行探索。官方数据：lead 用 Opus 4、子代理用 Sonnet 4，内部评测比单 agent 系统高出 90.2%。

代价是 token。单 agent 的 token 消耗大约是普通聊天的 4 倍，多 agent 系统是 15 倍。

15 倍是什么概念？一个任务价值不够高，组队就是不经济的。

Anthropic 还给了一个"兵力法则"：简单查证派 1 个 agent（3-10 次工具调用），直接对比派 2-4 个，复杂研究才上 10 个以上。

早期版本里，agent 会为一句简单的查询 spawn 出 50 个子代理，或者漫无目的地搜一个根本不存在的来源。不是模型笨，是指挥官没教好。

中文社区这边，Claude Code 的 Agent Team 把"消息系统、任务依赖、文件锁、计划审批"全搬进了多 agent 协作；OpenClaw 的教程标题直接就叫"实现自己的 Agents 大军"。OpenCrew 项目更夸张——把频道当岗位，CoS 幕僚长、CTO、Builder 各管一摊，还有自主等级 L0-L3：可逆操作直接做，有影响但可回滚的做完汇报，不可逆操作必须人确认。

军队是真的。问题是指挥官不行。

● ● ●

二、指挥 agent 的第一课：写任务契约，不是写 prompt

Anthropic 在复盘里总结了一个血泪教训：每个子代理都需要四样东西——目标、输出格式、工具指引、任务边界。

缺任何一样，agent 就"漂移"：两个子代理做一模一样的搜索，或者一个留了缺口没人补。

他们早期让 lead agent 给子代理的指令是"调研一下半导体短缺"。结果一个子代理去查 2021 年的汽车芯片危机，另外两个在重复调查 2025 年的供应链——没有有效的分工。

这四样东西，本质上是项目管理里"范围管理"的现代形态。WBS（工作分解结构）把项目拆成可交付的块，任务契约把目标拆成 agent 能执行的指令。

差别在于：给人类写范围说明书，写个大概就行，人会自己问；给 agent 写，写不清楚它不会问，它会自己猜，猜错就漂移。

所以指挥 agent 的第一课不是学什么 prompt 技巧，是学会把"做什么、什么算完成、用什么工具、边界在哪"一次写清楚。

● ● ●

三、PMP 的五个视角，值得偷

PMP 的全称是项目管理专业人士认证，考的是 PMBOK 知识体系——五大过程组、十大知识领域。我翻完的最大感受是：它教的东西有一半已经过时，但另一半恰好是 Agent 时代最稀缺的能力。

五个要偷的视角

挑五个最值得偷的视角：

第一，验收标准先于开工。 PMBOK 的质量管理讲"质量是规划出来的，不是检查出来的"。放到 agent 编排里就是：派活之前先定义"什么算完成"。OpenCrew 的实践是执行和质检必须分离——同一个 AI 既执行又自检，会倾向于宽容自己。Claude Code 的 Agent Team 用 TaskCompletedHook 做自动化验收，exit code 2 直接拦截不合格的结果。我自己踩过的坑是：让同一个 agent 写代码又自测，它对自己的 bug 视而不见，交给另一个 agent review 才抓出来。

第二，依赖比并行重要。 项目管理的核心概念是"关键路径"：整个项目里那条最长的依赖链决定了交付时间，不是干活最多的人。agent 编排同理——多个子任务并行很爽，但真正卡住全局的往往是某个"必须等上游输出"的环节。我的编排系统里，任务依赖用 parent 链接显式声明，子任务在父任务完成前不会启动。这条规则救过我很多次，比任何并行优化都值钱。

第三，token 是硬预算。 15 倍成本决定了"要不要组队"本身就是一个管理决策。Anthropic 的实践是模型分级：lead 用最强模型，子代理用性价比模型；OpenClaw 的指南建议委托深度不超过两层，并在提示词里显式写"不要进一步委托"。花钱的地方想清楚，省钱的地方别抠错。

第四，交接即丢失。 Anthropic 明确指出：按工作类型分工（一个写功能、一个写测试、一个做审查）会产生持续协调开销，每次交接都丢上下文。更有效的做法是按上下文边界分工——谁做功能，谁连测试一起做。这个结论反直觉但极其重要：人类团队的分工逻辑（专人专岗）搬到 agent 上常常是负优化。

第五，风险靠恢复，不靠防错。 Agent 系统有个特点：错误会复合。一个小失败可能让 agent 走上完全不同的轨迹。PMP 的风险管理教人识别、分析、应对；agent 时代的应对手段是 checkpoint、重试、彩虹部署——以及最实用的一条：worker 卡死了，直接 reclaim 换人重跑，别和它较劲。

● ● ●

四、该扔的也别客气

说完了偷的，说该扔的。

该扔的三件套

甘特图。 agent 是非确定性的——同样一个起点，它可能走出完全不同的有效路径。计划画得越细，越是幻觉。依赖图要，甘特图不要。

全流程审批。 每一步都等人类确认，等于亲手放弃并行收益。OpenCrew 的分级授权（L0-L3）才是对的：可逆的自己干，不可逆的才问人。

团队激励。 这可能是 PMP 里最没用的一块。agent 不摸鱼、不甩锅、不加薪，只要规则明确，它比人好管得多。管人和管 agent 的根本区别就在这：人的管理靠沟通，agent 的管理靠契约。

● ● ●

五、证书不用考，视角要偷

回到开头那两路 agent。

后来它们都交付了。但不是因为我换了个更强的模型，而是因为我把任务拆对了、验收标准定在了开工前、依赖链锁死了、预算提前算好了。

PMP 证书我没考。但它的五个视角——验收先于开工、依赖比并行重要、token 是硬预算、交接即丢失、风险靠恢复——我全偷了。

指挥 agent 军队这件事，难的从来不是模型，是指挥本身。

而指挥的底层逻辑，人类已经研究了几十年。PMP 的遗产不是那本指南，是它把"指挥"拆成了十个可管理的维度。Agent 时代把其中"管人"的部分全部蒸发，剩下的"管事"的部分，全部放大。

参考来源：

1. How we built our multi-agent research system — https://www.anthropic.com/engineering/multi-agent-research-system
2. When to use multi-agent systems (and when not to) — https://claude.com/blog/building-multi-agent-systems-when-and-how-to-use-them
3. OpenCrew: OpenClaw 多智能体协同系统 — https://github.com/AlexAnys/opencrew
4. Claude Code 多 Agent 组队开发：从原理到踩坑全指南 — https://zhuanlan.zhihu.com/p/2004486603343671752
5. 多智能体系统的核心设计：从任务分解到依赖图驱动的编排循环 — https://cloud.tencent.com/developer/article/2648550
6. 多智能体协作 | Agentic Design Patterns — https://jimmysong.io/zh/book/agentic-design-patterns/07-multi-agent-collaboration/