source-summary

Agent Orchestration Cognitive Load Framework

Agent Orchestration Cognitive Load Framework

Recordings-43-.txt Recordings 從去年 11 月開始就沒有實際寫過一行 code 了 — 但我花的腦力比以前更多 Claude Code 從去年九月之後強到一個程度，我的日常變成拆任務、看產出、做決策。打字的是 agent，不是我 CIO 今年有一篇報導說：2026 的工程師角色正在從 creators 變成 curators — 花更少時間寫基礎程式碼，更多時間在協調 AI agents 的 workflow；重點不再是 prompt engineering，是 orchestration 我很同意，但「怎麼協調」這件事完全沒人教，大家都在自己摸索… 我想從 Cognitive Load Theory 來思考一套 Agentic System Design 跟 Orchestration 框架，今天把最有用的幾個概念整理出來 —— 【第一步：搞清楚手上的棋子是什麼類型】 Russell & Norvig 的經典 AI 教科書把 agent 分五級： - simple reflex agent - model-based agent - goal-based agent - utility-based agent - learning agent (以上四類，都可以演化成這類） 用白話說就是： - 看到什麼馬上做(reflex)什麼的 - 有記憶(model)的 - 有目標(goal)的 - 有測量器（utility)來選擇最佳路徑到目標的 - 會學(learning)的 這是從 agent 內部能力切的 對實際操作多個 coding agent

Key Takeaways

• # Recordings-43-.txt Recordings 從去年 11 月開始就沒有實際寫過一行 code 了 — 但我花的腦力比以前更多 Claude Code 從去年九月之後強到一個程度，我的日常變成拆任務、看產出、做決策。打字的是 agent，不是我 CIO 今年有一篇報導說：2026 的工程師角色正在從 creators 變成 curators — 花更少時間寫基礎程式碼，更多時間在協調 AI agents 的 workflow；重點不再是 prompt eng
• 這個框架直接影響 agentic system 的設計： Agent B 應該只需要讀 Agent A 的 output artifact（API contract、test result、schema file），不需要讀 Agent A 的推理過程；推理過程就是被放進系統的 extraneous load — 多餘的 agent 間 memory sharing 等於在幫開發者（或下游 agent）製造雜訊 —— 【第三步：Element Interactivity —
• 一個 task 的 intrinsic load 有多重 2.
• 這個 task 能不能被分解給多個 agent 3.
• 分解之後 fragmentation 的代價有多高 高 interactivity = 多個元素必須同時處理 = 不適合拆 低 interactivity = 各元素可以獨立處理 = 適合平行化 BPM 2023 有一篇研究專門看了 abstraction 和 fragmentation 的認知效應，結論是 —— “abstraction over fragmentation” 隱藏不相關資訊有利於理解，但把相關資訊分散到多個片段反而提高認知負擔 用 agent 的語言說：把

Related: overview.