摘要： 当大语言模型（LLM）智能体之间相互传递信息时，消息格式是否重要？两派文献存在分歧：格式优化研究认为结构化消息能降低成本而不损害准确性，而格式限制研究则发现强加结构会降低生成质量——且两者均未衡量消息经过多跳传递时的情况，此时起主导作用的是复制保真度而非单次生成。我们引入了一个受控的中继测试平台：将十二条程序化生成的原子事实摘要，以五种格式（自由自然语言、精确指令自然语言、JSON、三元组、键值对）逐跳重新编码，经过六跳传递，由固定强评分器根据程序化真实值进行评分，涵盖两种中继能力层级、一种认知负荷条件以及一种配对分叉错误注入。我们发现消息格式效应具有层级依赖性：（i）在忠实中继指令下，强中继几乎无损——文献中记载的电话游戏崩溃并未发生——且增加逐跳认知负荷后，格式级保真度保持不变（±1.8 分以内），而生成成本上升 24-53%。（ii）在弱中继（1.5B）下，六跳召回率在格式间的差异扩大了 8.7 倍（从 2.3 分增至 20.5 分），这由两种相反机制驱动——刚性格式付出的编码代价与固定键 JSON 模式特有的漂移抵抗——使得格式排名在传递过程中发生翻转。（iii）在配对分叉注入中，一旦注入错误值，在每种格式下，83-100% 的链中该错误值会持续到最后一跳，与每种格式对真实值的保留程度高度吻合，且未对相邻事实造成可检测的附带损害。结构提供的是忠实、错误定位的通道——而非纠错码——格式选择应遵循流水线中最弱的中继环节。