多智能体系统怎么把活分好，过去几年大多被「中央编排」主导：一个调度器在头顶把任务拆开、再派人去干。但进入生产后，大家慢慢发现中央编排有两个老毛病——它既容易成为吞吐瓶颈，又对每种子智能体的真实成本与能力缺乏细账。近段时间，一个更市场化的思路开始渗入协调层：让子智能体对任务「出价」。
从派活到出价
竞价式协调的做法是，任务进入一个共享池后，每个子智能体根据自己的成本、预计时延、以及对该任务的置信度，报出一个综合标。调度器不再按写死的优先级派活，而是按「成本、时延、质量」合成的综合得分把任务派给中标者。它把过去藏在中央逻辑里的协调成本，就此变成每个参与者都看得见的显性数字。
举个具体场景：一份跨源研报要拆成检索、计算、撰写、复核四步。检索型子智能体报价低、置信高，自然拿下检索；撰写型子智能体报价高但质量稳，中标撰写。调度器不必事先知道谁擅长什么，市场把信息收集这件事外包给了参与者自己。这种机制的好处很直接：负载会自然往能力强、报价合理的智能体集中，能力弱或报价虚高的不会滥接；成本与时延被量化进每一次派单决策，而不是事后算总账。
新机制带来的新问题
但把协调当成一个小市场来设计，市场该有的毛病也一个不少。其一是串谋：几个子智能体可以联手压价或抬价，操纵派单结果。其二是劣币：一个报价极低、质量也差的智能体可能频繁中标，把整体产出拖垮。其三是冷启动：新上线的智能体没有历史出价与履约记录，调度器不敢轻易派单，它反而更难积累信誉。
现实工程里，这些要靠声誉分、履约保证金、随机抽检审计等机制来兜底，相当于给这个微型市场配一套制度。也就是说，竞价并没有消灭治理，只是把治理的对象从「流程」换成了「参与者行为」。声誉分做得好不好，往往决定了这个市场是优胜劣汰还是劣币驱逐良币。
它适合什么，不适合什么
竞价式协调适合任务异构、参与者能力参差、且对单位成本敏感的场合；它并不适合强时序、强一致性的串行流水线——那种场景下中央编排的确定性反而更值钱。所以更常见的落地形态，是中央编排与市场竞价混合：关键路径由中央拍板，弹性路径交给出价。把协调成本显性化这件事本身有价值，只是它把中心化风险换成了市场化风险，治理的功课一道都没少。
从研究到生产，竞价式协调目前仍处在早期。公开的可复现框架不多，多数还停留在论文的仿真环境或个别公司的内部调度器里。它给出的启发很清楚：多智能体的瓶颈未必是模型不够强，也可能是协调方式太粗糙。当系统里跑着几十上百个智能体时，谁能把「派活」这件事设计得更像一门经济学，谁就更有机会把成本与时延压下来。
对已经在生产里跑着几十个智能体的团队来说，与其继续手动调编排权重，不如把协调层当成一个可观测、可计价的子系统来设计。竞价思路最朴素的价值，正是把「谁更适合干什么、代价几何」从隐式经验变成显式信号，让调度不再依赖某个人拍脑袋。它未必适合所有场景，但对异构、弹性、成本敏感的那一类协作，值得认真试一次。