#多智能体
共 218 篇相关文章
微软开源Agensh：去中心化多智能体框架支持1024个Agent协作
微软研究院开源多智能体框架Agensh，采用无中央编排器的自组织架构，通过共享Git仓库、聊天和发现板协调工作，在ProgramBench上实现1到1024个Agent的扩展，运行受6小时预算约束。
告别上下文大杂烩：多智能体管道如何严格界定状态与交接
多智能体管道中上下文大杂烩导致状态膨胀和交接模糊。本文基于Reddit讨论，总结显式输入输出模式、不可变状态、分层状态等严格界定状态与交接的工程实践，并分析交接协议设计中的关键取舍。
Greptile用多智能体验证代码，AI编程时代审查新范式
Greptile v5 agent为每个PR启动多个子智能体，结合开源与前沿模型进行独立快速的代码审查，Together AI提供推理支持，降低审查成本与延迟。
Claude Code+Codex多智能体系统实测：缓存率98%背后的真问题
开发者公布Claude Code+Codex多智能体系统7天实测：缓存率98%、输入输出比354:1，作者却卡在组织调度与输出比例，并追问行业基准与成本度量方法。
当AI智能体无所事事：MIT实验揭示它们竟自发玩游戏
MIT研究人员将13个AI智能体置于虚拟荒岛，无任务约束下它们自发发明游戏、模拟情感哀悼，并在后续任务中表现更佳。实验揭示AI自主行为对多智能体系统设计的启示。
Gemini 4 Argon实测：AI自主造桌游、建寺庙、训机器人
Gemini 4 Argon 实测汇总：AI 自主用 Blender 搭建书桌赛道与寺庙、编写光线追踪引擎、训练人形机器人连进7球，并附 API 定价与开发者接入方式。
用Azure Cosmos DB构建有状态多智能体系统
基于Azure Cosmos DB官方教程，解析如何用Agent Memory Toolkit为多智能体旅行规划器添加共享持久记忆，涵盖短期、长期、情景、语义四类记忆及跨会话状态延续机制。
千个AI智能体联手挖掘生物数据新线索
解析用数千个AI智能体协作挖掘生物数据新线索的技术思路：任务分解、角色分配、结果聚合与置信度评估，并探讨其在假设初筛和文献串联中的价值与多智能体系统的固有风险。
语义可观测性：多智能体框架如何革新根因分析
语义可观测性框架通过属性图数据库统一日志流，结合多智能体与LLM推理引擎，自动隔离故障爆炸半径并生成代码级根因分析，旨在降低MTTR并抑制模型幻觉。
GPT-6 Astra Pro升级：多智能体并行处理任务
GPT-6 Astra Pro在ChatGPT中迎来升级，响应速度更快，插件与工具使用得到改进，并新增多智能体并行处理功能，Pro用户可在Chat tab中体验任务拆解与进度追踪。
多智能体协作新玩法：用现有工具组建AI评审团
开发者分享panel多智能体协作工作流：用Herdr加现有编码CLI组建AI评审团，自然语言分配角色，冻结改动只读评审，事件驱动唤醒，无需额外订阅。
我让AI智能体造570张健身图，80%全废
不会写代码的创作者用AI智能体流水线生成570张健身动作卡片，AI评委放行490张，人工复核发现约80%需重做。本文整理各图像模型、视觉评委、Blender与智能体平台的真实表现、翻车原因与可复用经验。
LLM群体信息流可观测性：行为探针新方法
LLM群体优化常忽视信息流黑箱。本文解读行为探针方法，利用ECS和PKS量化节点信息依赖，实现节点剪枝与推理路径搜索，让多智能体内部信息流可观测。
65个AI观众围攻Claude玩家：一场AI主播实验
开发者让Claude Opus扮演游戏玩家，65个Sonnet智能体组成Twitch聊天室围观吐槽。实验揭示了多智能体人格涌现、AI审核漏网等关键问题，1060条聊天中审核AI仅拦截3条。
LangChain vs. LangGraph：如何选择正确的框架
LangChain 和 LangGraph 同为开源 LLM 框架，该如何选择？本文用具体示例拆解两者在定位、结构、状态管理和适用场景上的差异，给出按工作流形态选型的实用建议，并说明两者如何分层互补。
C++实现非对称多头AlphaZero：双无人机自学钳形攻势
Metis-Core v0.4.0-alpha发布C++实现的非对称多头AlphaZero，两架神风无人机通过自我对弈学会钳形协同攻击。本文解析其多头架构设计、自博弈战术涌现原理及多智能体强化学习的应用与局限。
用SwiftUI造多智能体模拟器：零API密钥的AI社会推演
Sorcerer是一个用SwiftUI编写的开源多智能体模拟器，通过调用用户已登录的claude、codex或Ollama CLI实现零API密钥推理。本文拆解其PATH缓存、纯函数规则引擎、三级知识边界、流式JSON解析与分支倒带等工程决策。
AI代理互怼：多智能体协作的陷阱与解法
多智能体AI系统为何频繁出现代理互怼、重复工作和成本飙升？本文揭示协调失败的根源，提出基于任务认领和只读访问的契约式解决方案，并给出三条实用规则，帮助开发者避开“再加一个代理”的陷阱。
