大型语言模型已从简单的聊天界面演变为能够规划、推理并与外部工具交互的自主系统。这一演进的下一阶段是多智能体软件工程，即由专用 AI 智能体协作以解决复杂的业务流程，而非依赖单一单体模型。规划智能体可分解任务，研究智能体检索企业知识，编码智能体生成实现，评审智能体验证输出，执行智能体则实施已批准的操作。尽管该架构看似诱人，但生产环境部署表明，协调多个智能体更像是在构建分布式系统，而非编写提示链。主要挑战并非模型智能，而是系统可靠性。每增加一个智能体，就会引入新的幻觉、上下文丢失、延迟、重试和级联故障的风险。一个包含五个智能体的工作流，即使每个智能体单独具有高准确率，仍可能产生不一致的结果，因为每一次交接都会成为不确定性的新来源。因此，工程挑战已从提示工程转向编排、状态管理、弹性与可观测性。