新赛季英超还有一个月打响，我的主队阿森纳终于结束22年的联赛冠军荒——可回头捋捋，欧冠和联赛杯本该也攥在手里啊。枪手的毛病太典型：防线稳得离谱，上赛季最大败仗也就0比2输给曼城，但进攻线那口气总提不上来，领先一球就想蹲坑守，看得人手心直冒汗。

　　作为既看球又写代码的人，最近正钻多智能体架构，琢磨用微软Agent Framework（MAF）编排AI代理干活。突然冒了个好玩的念头：搭个多智能体系统模拟转会决策，给阿森纳卫冕的引援出点主意，顺便摸透多智能体编排的各种套路。实验的代码和演示视频我都扔GitHub和YouTube上了，感兴趣的能挖挖看。

　　MAF是开发者搭AI代理的开源框架，支持.NET、Python，还有刚加入的Go。每个代理背后都接了大模型，能调用各种工具干活。它的决策路径不是写死的，是LLM根据对话上下文和可用工具定的。单代理复杂场景里总撞天花板，要么指令意图卡壳，要么底层模型能力不够——这时候把一堆技能、视角不同的代理攒一块，理论上能突破单打独斗的局限。

　　不过话说回来，代理越多麻烦越多。塞一堆各有专长的代理，不见得就避开单智能体的坑。我这项目里，所有代理围着两份JSON转：arsenal-squad.json存全队24人加可用资金，transfer-targets.json是引援候选清单。

　　实际跑起来，系统表现挺分裂的。亮点是代理真会“查资料”，调API抓转会市场的最新传闻，结合热身赛数据和球队薪资结构给判断，逻辑顺得很，言之有物。槽点也炸：有时候模型反复输出一样的碎句子，来回绕圈，像卡了死循环。更绝的是，上次评潜力新星，系统突然蹦出一句“我不是冠军球队主力的事实”，凭空给自己加了段被弃用的沮丧独白——这哪是论证，是模型幻出来的角色扮演啊。

　　我倒觉得，这个业余实验刚好照出了现在多智能体系统的真实水平。任务边界清、数据接口稳的时候，几个代理分工能跑出惊喜结果；可一旦涉及创造性推理，或者要长时间保持状态一致，底层LLM就开始黑箱式“脑补”，输出质量直接跳水。对于想用这类框架搞生产的开发者，现阶段务实的做法大概是：先用单代理把数据管道和工具调用链路跑通，再琢磨加第二个代理要解决啥具体问题——否则调试的一地鸡毛，说不定比阿森纳前锋临门一脚的命中率还让人血压高。

相关阅读：英超曼城枪手阿森纳金球奖得主