核心 GUIDE
Delegation State（委派状态）
Delegation State 定义 Parent Agent / Workflow 把哪些 Information、Ownership、Progress 交给 Worker，以及 Worker 必须返回什么 Evidence，Parent 才能安全继续。
核心心智模型
Delegation 本质是 State-transfer Contract。Worker 需要足够 Task State 独立行动，但 Shared State 必须显式，否则并发 Agent 会修改 Hidden Assumption 或覆盖彼此 Progress。
为什么重要
Multi-agent System 很多 Failure 出在 Handoff，而不是 Reasoning：Worker 收到不完整 Context、两个 Agent 修改同一 State、Coordinator 不知道哪份结果可信。显式 Delegation State 能让 Ownership、Isolation、Join Condition 可测试。
01
显式打包 Task State，并有规则地 Merge Result
为每个 Delegated Unit 定义 Immutable Input、Worker-owned Mutable State、Allowed Shared Resource 与 Completion Evidence。Concurrent Worker 使用独立 Namespace/Version；Merge 时通过显式 Join Logic 检查 Conflict 与 Completeness。Parent 应依据 Returned Evidence 恢复，而不是根据“Worker 大概做了什么”继续。
02
示例：两个 Research Worker 覆盖同一个 Notes
Coordinator 把 Market Research 与 Technical Research 分给两个 Agent，但它们共享一个 Mutable Notes Object。第二个 Worker 覆盖第一个添加的 Source，两边都报告 Success。隔离 Worker Output，再通过带 Source Provenance 的 Schema Join，可以保留两组 Evidence 并暴露 Conflict。
常见失败模式
- 只 Delegation 一个 Goal，却不定义 Worker 拥有哪些 State。
- Parallel Worker 修改同一 Implicit Memory / Scratchpad。
- Worker 标记 Complete 就继续，而没有 Returned Evidence Contract。
工程启发
- 区分 Immutable Task Input 与 Worker-owned Mutable State。
- Parallel Delegation 使用 Versioned/Isolated State。
- 启动 Worker 前先定义 Join 与 Conflict Rule。
关键结论
- 01Delegation 传递的是 State 与 Ownership，不只是 Instruction。
- 02Shared Mutable Context 会制造 Hidden Coordination Risk。
- 03Worker 应返回 Parent 可验证的 Evidence。
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。