原文：mp.weixin.qq.com/s/bzZdL23K3...（2026年10月16日）
前面几篇聊的都是平级的 AI 怎么互相比对
可事情一旦复杂起来，几十个子任务，彼此还牵着，平级就顶不住了
这时你需要一个能拍板、能调度、能兜底的角色
我把这种打法叫管理者模式，也是眼下多 AI 协作里最常见的一种
它像极了一个项目经理
核心是一个中心化的角色，叫 Manager
它的活和人类项目经理几乎一样，先看懂整件事，再拆成一件件小任务，挑人去干，盯着进度，处理意外，把大家的产出汇总起来
它最巧的一步是一个抽象，把每一个下属 AI，都登记成自己可以调用的一个工具
在它眼里，调用一个下属，和调用一个普通工具没有本质区别
好处是加新能力只要新做一个 AI 并登记成工具，主流程一行都不用动，不同的下属还能用不同的模型、不同的工具
代价也在，它成了单点，所有子任务都得它看懂，人选错、信息传歪，整条链都跟着偏，还容易记不过来
它像一个项目经理，把活分给各司其职的下属
最该用强模型的，是分活的那个
资源该怎么分，这里有个反直觉的结论
一个项目成不成，常常不在干活的人快不快，在活分得对不对
规划够好，执行的人普通一点也能成，规划错了，后面的人全在白忙
所以最聪明的模型、最细致的提示词，我建议留给规划者，别平均撒给每个 AI
派活有两种姿势
一种是一件一件来，上一件完成再定下一件，适合有清晰先后的活
另一种是同时开几个，比谁先出结果
这里有个细节，结算点得落在那个被验证成功的结果上，不是那个嘴上喊成功的结果
一件一件派，Manager 依次调度，下属再把结果交回来
一个我特别喜欢的例子，翻译一本书
翻译一本技术书，远不只是换种语言，还得全书术语统一，agent 译成智能体，后面就不能再叫代理
要是交给一个 AI 独自做，麻烦立刻来
术语表、已译的章节、它的思考、工具跑出来的结果，越堆越多，很快撑爆它那张小书桌
更糟的是它会迷失，后面某一章用出跟开头不一样的译法，甚至想起一条根本不存在的术语规矩
组队的解法是分工加隔离
一个 AI 只管术语，一个只管当前这一章，一个只管挑前后不一致的地方
带队的那个只需要知道整体计划、进度和结果，不用把每章全文都装进脑子
四个字，隔离
还有另一种队形
除去平级互审和组长派活，还有一种去中心化的，没有组长，一群 AI 像人一样自由商量
要跨组织协作时，还有一套专门给 AI 之间对话用的标准，把任务状态统一起来
怎么选，我自己的粗略谱系是这样
想精雕细琢一个产物，用平级互审
想统筹一个大工程，用组长派活
要开放协作甚至跨组织，用去中心化
最后几句
回头看这一路，其实就是一条线
先问值不值得组队，再定要不要共享记忆，接着挑一种队形，守好独立验证那条底线
多 AI 从来不是越多越好
真正的门槛，是你能不能把它们之间的信息怎么流、命令怎么走、结果怎么验，都想清楚
想到这一层，你就不再是堆 AI 的人，而是设计协作的人