你不需要6只龙虾🦞的团队，一只龙虾就能把活干完

上周有个群友甩了一张截图进来。OpenClaw的架构图，六个Agent连成一条流水线，箭头从"调研龙虾"指向"分析龙虾"再指向"写作龙虾"，最后汇进"审核龙虾"。配文写着："终于实现了一个人公司。"

我盯着那张图看了十秒钟。两个月前我画过一张几乎一模一样的。

Bob负责数据，Elaine负责分析，Claire负责内容。三只龙虾各有人设，Control Centre仪表盘上三个状态灯同时亮着，看起来像一个运转中的小型咨询公司。第一天效果惊艳。

第六天我发现Bob的记忆是空的。Elaine的记忆里塞着Bob应该做的数据。三只龙虾根本不存在，所有工作是同一个模型在角色扮演。

我不是在管团队，是在看一出独角戏。

多个香炉多个鬼。你以为养了六只龙虾是六倍产能，其实是六倍的麻烦。Agent之间传文件卡壳，进死循环，一只龙虾的输出格式稍微变一下，下游整条链就断了。大量token烧在"理解上一只龙虾在说什么"上面，而不是用在实际推理上。你以为自己是CEO在分配任务，实际上你是龙虾场唯一的运维，每天的工作就是debug。

这件事我当时以为是OpenClaw的bug。

直到最近SagaSu在X上发了一篇长文，221K views，标题叫"三省六部幻觉"。他去翻了Anthropic、OpenAI、Google三家构建自己Agent系统的工程文档，发现三家没有一家用"角色扮演+流水线传递"的模式。

不是巧合。

LLM不是人。人需要分工，因为注意力有限，专业有壁垒，切换成本高。模型没有这些限制。同一个模型既能写PRD又能写代码又能做测试，给它贴一个"产品经理"的标签不会让它更专业，只会让它拒绝越界。一个被框在"测试工程师"角色里的Agent，看到架构层的问题可能直接跳过，因为"不在我职责范围内"。最有价值的推理往往发生在边界上，角色扮演恰好把边界封死了。

六只龙虾的流水线里，龙虾A产出一份文档传给龙虾B，传递的是结论，不是推理过程。B要重新理解，重新建立上下文。原始意图在衰减，隐含假设在丢失，每一次传递都在累积误差。最终输出"局部正确但整体漂移"。每多一只龙虾，就多一个出错的节点，多一个鬼。

Anthropic自己怎么说？他们官方建议的第一句话就很直白：构建LLM应用时，先找到最简单的可行方案，只在必要时才增加复杂度。这甚至意味着，你可能根本不需要构建agentic系统。造龙虾的公司亲口说的。他们的多Agent研究系统确实实现了80%的性能提升，但原因不是"分工更合理"，而是"用更多token覆盖了更大的搜索空间"。多个subagent同时搜索不同方向，结果回流给orchestrator综合。同时撒网捞鱼，不是流水线接力。和"PM做完传给Dev，Dev做完传给QA"的三省六部模式，完全是两码事。

龙虾小分队解散之后，我没有再搭多Agent。

现在只养一只龙虾，在Telegram上开不同的thread。General、Tech Support、Research、工作项目，按topic区分。每个thread开的时候就把方向和边界定好，相当于Anthropic说的结构化spec文件，冻结目标，防止漂移。往后的对话非常专注，每个thread有自己的记忆和上下文，不串台，输出干净。需要验证的时候开一个新thread专门挑毛病，不是搞一个"QA龙虾"来接棒，而是对抗性检验。需要交叉引用的时候，我自己搬运关键信息过去，人工做那个orchestrator。

没有流水线，没有死循环，没有卡壳。一只龙虾，比六只安静得多。

"一个人公司"这个叙事之所以流行，因为它好解释。"这只龙虾是PM，那只是QA"，任何人都听得懂。它满足了人对AI系统可解释性的渴望，也满足了每个人内心深处想当领导的瘾。

但好解释和好用是两件事。你的龙虾不是员工，它是一个拥有所有技能的实体，缺的不是更多同事，是更清晰的上下文。

一只龙虾，几个干净的thread，一个想清楚的人。