多智能体系统
1990年代兴起的AI研究领域，研究多个智能体之间的协作与交互，是现代AI智能体概念的早期源头。
核心事实
时间轴 (近 90 天)
与单智能体系统相比，多智能体系统需要额外处理通信协议、死锁与循环对话、以及角色间目标冲突等问题。
一项发表于arXiv的研究展示了基于大语言模型的多智能体系统协作完成从提出问题、理论推导到实验验证的完整研究闭环，研究对象是金刚石中的量子自旋系综。
该研究让多个LLM智能体相互评估彼此的工作，并且拥有叫停或重新定向研究的权限。
在设计智能体交接协议时，除了传递文本结果和证据，还应该考虑传递量化的置信度信号。
多智能体协作中的信任不应是隐式的，而应该被显式建模和传递。
一项新研究表明，在临床多智能体系统中，审议（deliberation）并不能平均掉偏见。
子智能体通常只持有局部信息和局部目标，彼此之间缺乏充分的通信与共识机制，因此容易出现目标漂移、重复操作或越权行为。
多智能体系统的复杂度不会随Agent数量增加而线性下降，反而会因交接损耗而急剧上升。
多智能体系统中，Agent之间不共享连续的“现实”，只能通过序列化文本交接，导致上下文碎片化和信息损耗。
多智能体系统中每增加一个智能体，就新增一条通信链路和潜在的误解点；自然语言歧义（如“完成了”的语义漂移）在链式协作中会被放大。
还有 40 条时间轴事件
全部知识事实 (20)
多智能体协作通常通过编排者-执行者模式实现，一个主控Agent负责任务分解与调度
90%已验证多智能体系统的理论根基可追溯至20世纪80年代的分布式人工智能研究
90%已验证多智能体协作通过让多个专业化Agent分工配合来完成更复杂的任务
80%已验证多智能体系统（MAS）是分布式人工智能领域的经典研究方向，最早可追溯到上世纪80年代
80%已验证Agent概念源于人工智能领域的「智能体」理论，最早可追溯至1990年代的多智能体系统研究
80%已验证多智能体协作方案试图解决AI编程中的上下文问题，但反而引入了更多的协调复杂度
80%已验证多智能体系统中常见的协作模式包括流水线（顺序依赖）、并行（独立子任务）和辩论（多智能体讨论以达成共识）。
75%已验证多智能体架构通过角色分离让每个智能体保持较短的上下文窗口，理论上能减少注意力漂移并实现并行提速
75%已验证在多智能体系统中，一个被攻陷的智能体可以通过消息板向其他智能体投递恶意消息，形成「横向传播」效应
75%已验证被恶意提示注入（prompt injection）或误导的内部智能体，可能在拥有合法权限的前提下执行危险操作
75%已验证智能的记忆管理与长上下文能力是互补而非替代关系
75%已验证多Agent协作架构（MAS）通过多个专门化智能体各司其职并行运转，能规避单一大模型的上下文窗口限制问题
75%已验证多智能体系统的概念最早源自分布式 AI 领域，指多个自主智能体通过交互、协作或竞争完成单一智能体无法独立完成的任务
75%已验证多智能体并行落地面临三个核心挑战：上下文隔离、资源竞争、错误传播
75%已验证多智能体系统具有非平稳性，每个智能体的最优策略依赖于其他智能体的行为
75%已验证新手直接跳到复杂的多智能体协作而忽视基础调用稳定性会导致系统失败
75%已验证分层多智能体方案在落地时往往面临协调开销大、token 消耗高、调试困难等挑战
70%已验证为每个智能体设定专门的能力边界和提示词，往往比让单一模型一肩挑表现更优，其原理与思维链提示的有效性相通
70%已验证「幻觉」（hallucination）指模型以极高置信度生成看似权威却事实有误的内容
70%已验证涌现行为指系统整体呈现出单个组件所不具备的性质或模式，在多智能体系统中可能表现为协作分工，也可能是合谋、垄断注意力资源或信息茧房
65%