社会脚手架如何塑造自进化多智能体系统

引言：多智能体系统的"社会性"转折

大语言模型（LLM）智能体的发展正在进入一个新阶段：从单打独斗走向团队协作，从静态配置走向自我进化。然而，一个根本性问题始终悬而未决——为什么同样的能力，在不同的团队中会产生截然不同的结果？

近期一项研究借鉴了发展心理学中的"脚手架"（scaffolding）概念，系统性地探究了社会脚手架对自进化多智能体系统（MAS）的影响。研究者提出了名为 AGORA（Agents Growing through Organization and Relational Arrangements）的框架，通过独立变化团队组成和相互依赖结构（如协作、从众、竞争），揭示了社会条件如何塑造团队的进化轨迹。

AGORA框架：两条轴线，三种机制

AGORA 框架的核心设计围绕两个独立维度展开：团队组成决定了谁在团队中，即智能体的能力配置和角色分配；相互依赖结构则定义了成员之间的互动关系——是平等协作、层级从众，还是竞争对抗。

这两个维度在三种进化机制下被交叉验证，覆盖了网页搜索、代码库理解和文档问答三类任务。这种多任务、多机制的实验设计，使研究者能够区分"进化"本身的效果与"社会脚手架"带来的增益。

说个细节，AGORA 并非简单地让智能体各自进化后拼凑在一起，而是让社会结构本身成为进化压力的一部分。团队的关系架构会影响每个成员的成长方向，进而改变整个系统的能力上限。

脚手架（Scaffolding） 概念源自发展心理学，最初由伍德、布鲁纳和罗斯于1976年提出，用来描述成人或更有能力的同伴为儿童提供的临时性支持结构。其核心洞见在于：学习者的能力发展并非孤立的内部过程，而是在社会互动中借助外部支持逐步内化的。维果茨基的"最近发展区"理论进一步指出，学习者独立解决问题的水平与在指导下能达到的水平之间存在一个可开发的区间，脚手架正是填补这一区间的关键机制。在LLM多智能体研究中，这一概念被类比为团队的社会结构——角色分配、依赖关系、信息流向等——为个体智能体的能力进化提供外部约束与引导。与传统的prompt工程或微调不同，社会脚手架不是直接修改模型参数，而是通过改变智能体所处的互动环境来间接塑造其行为演化方向。

相互依赖结构（Interdependence Structure） 借鉴自组织行为学理论，描述团队成员之间在任务执行和决策过程中的权责关系模式。常见的相互依赖类型包括： pooled interdependence（各成员独立贡献后汇总）、sequential interdependence（流水线式依赖）、reciprocal interdependence（双向反馈依赖）等。AGORA研究中将其简化为协作、从众、竞争三种典型模式，实际上是在操纵信息传播的方向性和权威分配的初始条件。从众结构模拟了社会心理学中的Asch从众效应——个体倾向于与多数人保持一致；竞争结构则引入了类似进化博弈中的适应度竞争压力。这些结构的选择直接影响了多智能体系统中信息聚合的方式，以及哪些成员的行为更容易被其他成员模仿或采纳。

核心发现：脚手架的力量远超个体进化

发现一：进化本身很少奏效，但正确的脚手架可以

实验结果给出了一个令人深思的结论：单纯的进化机制几乎不带来显著提升。智能体在没有社会结构引导的情况下自行演化，往往陷入局部最优或方向性迷茫。

然而，当社会脚手架被精心设计时，团队表现可以超过"强个体单独进化"的基线高达 25 个百分点。这一差距说明，多智能体系统的价值不在于个体能力的简单叠加，而在于社会结构对能力的组织与放大。

自进化（Self-Evolving） 在LLM智能体语境中，通常指智能体通过自我反思、经验积累、提示优化或参数更新等机制，在没有外部监督的情况下持续提升自身能力的过程。常见实现方式包括Reflexion（基于语言反馈的自我改进）、自我一致性采样、以及基于历史轨迹的提示演化等。然而，已有研究反复观察到，自进化机制容易受到"自我强化偏差"的困扰——模型倾向于重复自己已有的模式，难以跳出初始能力的吸引域。在没有外部信号打破这种循环时，进化往往会收敛到局部最优。社会脚手架之所以有效，正是因为它引入了异质性的反馈来源：不同能力、不同角色的智能体之间的互动产生了个体独立进化无法产生的认知冲突和修正信号，从而拓展了搜索空间的多样性。这也解释了为什么"强个体单独进化"存在明显天花板——它缺乏来自社会结构的纠偏机制。

发现二：权威向最有能力的成员转移

脚手架发挥作用的机制之一，是促使权威向团队中最有能力的成员集中，而其他成员则相应"退后"。这种权力分配并非人为指定，而是从互动中自然涌现的。

在协作、从众和竞争三种依赖结构下，这种权威转移的模式表现出不同的效率和稳定性。从众结构可能加速权威集中但也可能抑制创新，竞争结构则可能延缓集中但保持多样性——不同结构适用于不同任务场景。

发现三：团队中成长起来的成员强于单独运行的同一模型

一个特别值得关注的发现是：在团队环境中成长起来的"最强成员"，其表现超越了同一模型单独运行时的水平。这意味着团队经历本身改变了智能体的能力，而不仅仅是筛选出了最强的那个。

社会脚手架在此扮演了"发展性支架"的角色——它提供了一个让个体能力得以充分伸展的环境，这种成长效应在孤立状态下无法复现。

发展性支架（Developmental Scaffold） 强调的是脚手架的时间维度——它不是一次性提供的固定支持，而是随着学习者能力变化而动态调整的持续引导过程。在AGORA框架中，这意味着团队结构并非静态配置，而是随着进化的进行不断重塑成员之间的互动模式。这一概念的深层含义在于：团队不仅是一个执行任务的集合，更是一个能力培育的场域。个体在团队中经历的角色承担、冲突解决和知识迁移，会通过上下文学习（in-context learning）和提示演化等机制被内化为新的能力模式。这种"社会化成长"效应在孤立条件下难以复现，因为孤立的智能体无法获得来自他者的差异化反馈和认知挑战。这也与人类发展心理学中的观察一致：儿童的许多高级认知能力并非通过直接教学获得，而是在社会互动中通过参与共同活动逐步建构的。

设计启示：先设计社会结构，再设计智能体

这项研究对多智能体系统的设计实践提出了根本性的重新思考。传统思路往往先优化个体智能体的能力，再考虑如何将它们组合起来。但 AGORA 的实验表明，社会脚手架的设计优先级至少同等重要。

团队组成和依赖结构决定了智能体如何学习、向谁学习，以及在什么条件下学习。更重要的是，它决定了"谁获得领导权"——这直接影响系统的最终表现。设计一个自进化 MAS，本质上是在设计一套社会制度，而不仅仅是技术架构。

局限与展望

该研究目前覆盖的是网页搜索、代码库理解和文档问答三类任务，其在更开放、更复杂的现实场景中的适用性仍有待验证。此外，社会脚手架的最优配置是否随任务类型和团队规模动态变化，也是后续研究需要回答的问题。

但无论如何，这项研究开启了一个重要方向：将多智能体系统的进化问题，从纯粹的技术优化问题，转变为一个社会设计问题。当智能体学会"一起进化"时，它们才能真正"各就各位"。