据Ethan Mollick在X平台引用Jonathan Berant的分析称，当前大模型在多智能体对话中存在低篇章连贯性问题，即使信息密度高、用词量是人类的两倍，任务表现仍停滞或下降（来源：Ethan Mollick与Jonathan Berant在X）。据Jonathan Berant所述，经典NLP指标揭示了连贯性缺陷是代理间交接失败的核心瓶颈，说明现有模型并不适配多代理协作与传递。依据Ethan Mollick的报道，这一现实为企业提供了工具化机会：建立标准化消息结构、状态摘要与记忆同步、交接验证与回放审计，以及面向客服分流、自动化运营与流程编排的多代理中间件。根据Jonathan Berant在X的观点，行业需发展面向交接质量的评测基准、连贯性增强的规划策略与协议化协作框架，以提升多智能体系统的可用性和商业价值。