核心 GUIDE
Coordination Overhead（协调开销）
Multi-agent System 会真实支付 Handoff、重复 Context、Conflict Resolution 与 Verification 成本；只有 Independent Work 节省的价值超过协调成本时，Parallelism 才值得。
核心心智模型
Coordination Overhead 是 Decomposition 本身制造的额外 Work：分派任务、传递 State、合并 Output、处理 Partial Failure，以及证明组合后的结果仍然 Coherent。
为什么重要
增加 Agent 可能提升 Specialization 或 Throughput，但每个 Boundary 都会增加 Latency、Token Use 和 Failure Mode。如果 Subtask 强依赖，Agent 会不断解释状态、重复工作或产生冲突。Multi-agent Design 必须在同一任务集上实测胜过简单 Loop，而不是只看架构图更复杂。
01
给每一道 Boundary 计入成本
拆分前先识别真正 Independent 的 Subproblem 以及每个 Subproblem 所需 Data，估算 Duplicated Context、Serialization、Queueing、Merge 与 Verification Cost。Handoff 使用显式 Schema 和 Ownership。与 Single-agent/Sequential Baseline 在相同任务集上比较 Quality、Wall-clock Time、Compute 与 Recovery Complexity。
02
示例：三个 Agent 并行修改一个强耦合 Migration
Planner、Database Agent 与 API Agent 同时处理 Schema Migration，但彼此都依赖最新 Interface Decision，于是反复交换更新并形成冲突假设，最终比单一 Sequential Workflow 更慢。只有把迁移拆成真正独立、Contract 稳定的 Module 后，并行 Agent 才开始产生价值。
常见失败模式
- 按角色名称拆 Agent，而不是按真实 Dependency Boundary 拆任务。
- 只测 Parallel Worker 速度，不计算 Merge 与 Verification 时间。
- 共享 Mutable State，却没有 Ownership 与 Conflict Policy。
工程启发
- 每次 Orchestration Evaluation 都保留一个更简单 Baseline。
- 只并行真正 Independent 或能够隐藏 Latency 的工作。
- Success Metric 同时计入 Coordination 与 Recovery Cost。
关键结论
- 01Decomposition 同时产生机会和开销。
- 02Parallelism 必须赚回 Coordination Cost。
- 03Topology 应由 Dependency 和实测 Outcome 证明。
阅读记录
这里只记录你真实做过的动作，不代表掌握、熟练或认证。
用于这些学习路径
这个 Concept 会在多个 canonical 学习路径中复用。
来自 Knowledge Graph 的相关知识点
这些关系直接来自 canonical graph，不维护第二套 Guide 分类体系。