目前有使用这个模式，比方说ARTEX，但是实际体验下来一旦任务增多且范围扩大，在6 Astra决策，deepseekv41执行的情况下效果不佳（不确定是不是ds的问题） 
以及各个agent对全局目标，已完成工作的认知不一致，各自基于过期局部信息推理，最终整体跑偏，这也是我提到的artex的问题，哪怕有意识的使用prompt约束，但是依然无法解决。 
以及如何避免弱模型回传的信息向上传递，影响强模型的决策？又怎么解决强模型的决策偏差传递给整个下游任务？ 
目前来看就传统的子agent架构的方式只能处理足够简单，输出强校验的子任务，不能交给它复杂任务，否则精度会出现严重偏差，产生比制作出一坨屎还糟糕的结果，那就是制作出一堆屎💩。 
目前佬友们对于我的疑问有何看法，以及有当下权衡后仍然推荐的项目，或者推荐的使用场景的分享吗？