多个智能体一起工作的核心不是“堆人”，而是按业务自然流程切分角色——把销售、客服、运营、知识库和管理拆成独立的智能体，先让每一个单独跑出稳定结果，再用简单规则或人工协调串联起来，而不是一上来就追求全自动协同。
当老板问“多个智能体怎么分工”时，通常真正的潜台词是这些：“我该从哪里开始，才不至于搞砸？”“怎么避免花了几十万只买了一堆聊天窗口？” 所以这篇文章直接从企业真实决策顺序来回答。
什么阶段的企业适合做多智能体分工
不是所有企业现在都需要多智能体。如果你的团队还在解决“让 AI 理解我司产品”的阶段，先把一个智能体做好。以下情况才值得考虑多智能体：
- 业务流程跨越至少两三个部门，例如市场部拿线索、销售跟进、售后客服承接。
- 单点智能体已经稳定运行，但每次跨环节都要人工转述、复制粘贴。
- 内部有至少一套知识库（产品手册、FAQ、流程文档），且需要被不同角色以不同权限使用。
如果公司目前只有一个公众号客服机器人，优先让它先能准确回答 80% 的常见问题，再谈分工。
多个智能体最常见的分工框架
最不容易出错的分工是按“企业价值链”切，而不是按技术模块切。实践中建议优先考虑这五类角色：
市场/销售智能体 负责从官网、落地页、企微、表单等渠道获取线索，做初步意图识别、打标签、发出跟进提醒。它不能代替销售打电话，但可以帮销售知道“这个人反复看了价格页三次”。
客服智能体 承接售后、使用问题、退换货、常见咨询。它需要有明确的知识库边界，遇到无法回答的问题必须自动标记、转人工，并给出可能的答案供人工确认。
运营智能体 处理内部重复事务：日报汇总、排期提醒、数据异常预警、工单派发。它更多是对接内部系统而非直接面对客户。
知识库管理智能体 这不是一个直接对话的 bot，而是维护企业知识库的“守门员”，负责监控文档版本、发现矛盾信息、提醒更新。它的存在能让其他智能体的回答质量不随人员离职而塌方。
管理/合规智能体 负责权限校验、人工审批节点、敏感操作记录、异常行为日志。企业项目里最容易失控的，就是没人记日志、没人看日志。这个智能体就是“数字安全员”。
你不需要一次性全上。建议从“市场销售智能体 + 客服智能体”这对组合起步，因为这对直接关系到钱和客户体验。
先做什么：单点跑通，再用“人工节点”协同
最容易犯的错误是上来就画一个宏大的多智能体协作图，结果三个月后全停在测试环境。
务实路径分三步：
- 选一个痛点环节，让单一智能体闭环。比如“客服重复回答”，如果使用企业知识库与 RAG 系统把产品手册、合同条款、常见问题接进去，让一个客服智能体先能稳定回答，且所有回答可追溯至源文档，这一步就扎实了。
- 用人工确认代替自动交接。当销售智能体识别出高意向线索，不是直接抛给客服智能体，而是生成一条带摘要的待办任务，由销售主管决定是否转入客服环节。这样即便智能体判断错了，业务流程也不会乱。
- 逐步把人工判断固化成规则。跑了两个月，发现“同一用户三天内五问价格 → 高意向”这种模式可靠，就写成自动流转规则。这个节奏感，比任何架构图都重要。
常见误区：以为多智能体就是自动协同
很多业务负责人担心“智能体之间互相打架怎么办”，事实是如果你不给它们自动交互的权限，它们根本不会打架。初期让智能体各自工作，交接处保留人工确认，就能规避绝大多数失控。
另一个典型误区是把智能体当人招。有人想“搞一个销售 bot、一个运营 bot、一个老板 bot”，然后指望它们开自动周会。这是对当前模型能力的误判。智能体目前适合做信息处理、模式匹配、内容生成和规则触发，不适合做需要复杂判断和端到端决策的事。把它当成“数字员工但必须被管理”来用，比当成“自动管理者”更稳妥。
智未来 AI 在实际项目对接中发现，老板们真正需要的往往不是高深的 multi-agent 框架，而是把模型能力变成可上线、可管理、可复盘的业务系统。比如你可以在 AI Agent 与数字员工 的框架下，先落地一两个数字员工，再考虑它们之间的协作，而不是反过来。
交付成果应该是可核验的业务动作，而不是“跑通了”
当有人跟你说“智能体平台已经跑通了”，最好追问一句：“我能在哪里看到它做了什么？”
一个可验收的多智能体分工项目，至少要交付这几样东西：
- 每个智能体的职责说明书：不是技术描述，而是“它从哪拿数据、能做什么、不能做什么、什么情况停手让人工介入”。
- 交接点的人工复核面板：哪怕是简单的待办列表，能看到“客服智能体产生了 5 条待人工确认转接”。
- 知识库版本和引用记录：每次回答都能溯源是哪个文档、哪个版本。
- 权限和日志：谁在什么时候改了流程、智能体调用了什么接口、产生了什么决策建议，全部留痕。
- 上线后的运营 SOP：谁负责每天看异常、谁负责补充知识库、多久复盘一次。
这些比“我们这有八个智能体在协作”要有说服力得多。
风险边界：权限、合规、人工兜底
涉及个人微信、客户手机号、外呼、私信等操作，必须在合规边界内明确：智能体可以提醒人工去执行，不能替代人工自动执行涉及隐私和同意边界的行为。例如我们不会承诺智能体自动添加客户微信、自动拨打个人手机、自动私信或保证成交，这些步骤都需要人工确认并遵守相关法规。
另外，智能体对接企业内部系统时，权限控制要做细。建议从只读接口开始，先让智能体“看”而不“写”，需要写操作时再由人工审批。
预算方面，市场上从几万元的基础试点到几十万的业务系统落地都有，主要取决于智能体数量、对接系统复杂度和知识库规模。智未来（上海）智能科技有限公司通常会建议企业先从 1-2 个高频场景、几万元量级的试点开始，跑出初步效果和内部接受度后，再规划下一步扩展，避免一次性投入过大。
常见问题
我们公司还没有任何 AI，应该先做单智能体还是直接上多智能体？ 先做单智能体。选择一个让你最头疼的重复性工作，比如客服重复回答或内部文档查找，把一个智能体做到能实际减轻工作负担，再考虑分工。如果单点都没跑通，多智能体只会放大问题。
多智能体之间一定要用 API 自动协作吗？能不能先人工中转？ 人工中转是现阶段最务实的做法。让智能体 A 生成建议或提醒，由人来判断是否交接给智能体 B。这样风险可控，也能帮你发现哪些规则后续可以自动化。
智能体分工后，会不会在回答客户问题时口径不一致？ 会的，所以必须有一个共享的、可版本管理的知识库。所有面向客户的智能体都从同一个企业知识库与 RAG 系统取答案，并记录引用来源。知识库更新后，所有相关智能体同步生效。这是防止口径混乱的关键机制。
老板最应该关心多智能体项目的哪些指标？ 第一是业务环节的响应时间是否缩短，比如客户从提问到得到正确答案的时间；第二是人工重复操作次数是否减少；第三是异常和人工介入的比例，这直接反映系统稳定性。不要只看对话量。
选 AI 服务商时，怎么判断他们有没有能力做多智能体分工？ 看他们能否说清楚：如何按你的业务切分角色、每个角色的输入输出和权限边界、交接机制（哪怕是人工的）、知识库如何统一管理、以及日志和复盘方式。如果他们一上来就画复杂的自动协作图，建议要求从单点试点做起。可以结合你现有的业务场景，联系智未来 AI 咨询企业 AI 项目，先把需求和风险边界对齐，再做技术选型。