本文是一个有完整实验链条支持的否定性结果：我们系统性地证明，在 deepseek-chat + 高中一元二次函数范围内，“分解→求解→验证→组合"的多智能体架构无法超越裸LLM的单次调用，并建立了8种失败模式的分类学和信任分层的设计原则。系统的死法：子任务全过（推理文本也对），但组合器写 boxed 答案时把"整个区间"缩成了"0或2"。证据：对抗实验里 LLM 生成的标准答案 3/5 是错的（P