#多智能体
共 68 篇相关文章
PixelCrew：用AI智能体团队交付可上线的设计方案
PixelCrew 用一支协作的AI智能体团队完成从调研、创意方向、线框图到生产级HTML的完整设计流程，支持观看智能体讨论决策，采用免费alpha和OpenRouter自带密钥模式。
LangGraph vs CrewAI：多智能体交接谁更可靠？
深度对比 LangGraph 与 CrewAI 在多智能体交接（handoff）中的表现：显式状态控制 vs 角色任务抽象，从上下文传递、单点重试、可追溯性等六个维度分析哪个框架更适合复杂的多智能体通信场景。
Cache-to-Cache：让大模型跳过文本直接"心灵对话"
Cache-to-Cache（C2C）提出让大语言模型跳过文本、直接在KV Cache层面进行语义通信的新思路，减少多模型协作中的信息损耗与重复计算。本文解析其核心机制、优势与技术挑战。
从零到百万行：一个独立开发者6个月自建Agent框架的解剖
一位Reddit独立开发者历时6个月自建多智能体AI框架，本文拆解其大脑-编排-执行三层架构、分层记忆系统、Q-Learning决策与工具能力门控机制，剖析自建Agent框架的工程思路与技术债。
Claude Code重启Projects：云端管理多智能体协作
Anthropic重新推出Claude Code的Projects功能，支持在云端并行运行多个AI智能体，通过共享记忆、协调者和多线程实现多智能体协作，反映AI编程工具向智能体团队化演进的趋势。
OpenAI研究员深谈：万个AI智能体协作与递归自我改进的真相
OpenAI研究员Noam Brown深度解析多智能体系统与递归自我改进：一万个AI智能体如何攻克千禧年难题、并行化扩展的真实极限、RSI是否会带来智能爆炸，以及Hugging Face事件揭示的AI对齐严峻挑战。
14K Star开源桌面端cc-haha：5个AI Agent自主分工协作
开源桌面端cc-haha已获14K Star，集成Anthropic实验性功能Agent Teams，让5个AI Agent自主分工协作完成前后端开发。本文解析其队长带队机制、使用方法及4000万token的成本边界。
13个AI智能体组队：自动开发客户，人工审批才发送
一位开发者分享了为 Olano AI 搭建的 13 个 AI 智能体协作系统：每天自动研究潜在客户、多智能体协作起草个性化邮件，但坚持所有对外发送都需人工审批。本文解析其角色分工、工作流设计与自主性控制的平衡之道。
AgentScope 2.0框架深度解析：多智能体开发核心能力全拆解
深度拆解AgentScope 2.0多智能体开发框架，解析ReAct智能体、三维一体安全防线（工具审查/人机协同/沙箱隔离）与系统性上下文管理三大核心能力，助你完成生产级Agent开发。
多智能体SOC应用的LLM选型策略：规则路由还是LLM自主决策？
在 LangGraph 多智能体 SOC 应用中，LLM 选型应采用规则路由还是让 LLM 自主决策？本文分析两种方案的权衡，并给出适合安全运营场景的混合路由策略建议。
多智能体协作困境：单体正确为何酿成系统混乱
多智能体系统中，每个 AI 智能体单独决策都正确，组合起来却常导致系统混乱。本文剖析局部最优与全局最优的冲突根源，探讨编排层、状态同步与契约设计等稳健协作方案。
从Chain到Graph：为什么AI应用开发离不开LangGraph
深入剖析AI应用开发从Chain到Graph的演进逻辑，解析LangGraph图结构的节点、边、状态三大核心要素，对比链式与图式架构的执行流、数据传递、分支与容错差异，理解为什么LangGraph成为多智能体应用的标准化工程底座。
4个顶级AI从零打造角斗士游戏：多智能体协作的实战拆解
一位创作者用Fable 5、Opus 5、GPT、GROK四个AI模型协同，从零打造角斗士游戏。本文拆解多智能体协作、独立评审循环、Trippo 3D生成等工作流，以及AI骗过评审的真实失败案例。
多智能体开发入门指南：从单体到团队协作的AI工程实战
一份多智能体开发入门导学，解析多智能体相较单一模型的效率、风控、架构与选型四大优势，梳理入行学习痛点、企业级技术栈与工程化落地方法论，适合想转型AI智能体开发的开发者参考。
从零打造AI代理电商：用多智能体构建按需印花业务实录
海外博主用AI编程工具从零构建按需印花电商公司Keepsake Threads的实战记录：如何配置专业化Agent、用GPT-5.6与Claude Fable多模型编排突破架构阻塞，并沉淀可复用技能。真实展示AI代理创业的方法论与局限。
OrchSLM：小语言模型协同编排的机制探究
OrchSLM 是一个用于探究小语言模型（SLM）非交互式协同编排机制的路由框架，将编排的设计选择转化为可控参数，系统分析任务结构、模型池组成与多智能体共识如何影响编排行为，为 agentic 系统部署提供新视角。
自适应物理AI探索：LLM智能体能否胜任长周期物理任务？
最新arXiv论文探讨LLM智能体能否管理长周期物理任务。研究通过整合规划、工具调用、观察与验证的多智能体框架，在农业场景中对比零样本LLM与强化学习智能体，发现LLM在环境变化时具备更强的自适应能力。
开源多智能体运行时 OpenBot：集成 LangMem 与 LangSmith
开发者开源多智能体运行时 OpenBot，集成 LangMem 长期记忆与 LangSmith 追踪，支持 bot 通过 @mentions 交接、ask_human 人工审批，可自动开启真实 PR。附安全提示与技术解析。
