多代理系统
多代理系统（Multi-Agent System）是由多个自主智能代理组成的计算系统，各代理具备独立的感知、决策和行动能力，通过相互协作、通信与协调共同完成单一代理难以胜任的复杂任务。其核心特征包括：代理间的分布式自治、任务分解与并行处理，以及动态协作机制。广泛应用于人工智能、机器人、自动化决策及复杂系统仿真等领域。
核心事实
时间轴 (近 90 天)
代理间通信协议仍处于早期阶段，缺乏统一的语义约定和错误处理规范，导致多代理系统在目标冲突或环境变化时容易陷入死锁或重复劳动。
在多代理共享存储系统中，两个代理若都将对方写入视为变更，会形成级联循环，并可能触发真实副作用。
多代理系统在安全运营、客服、软件开发等领域已有实践，但代理间的权限控制、错误传播和结果一致性仍是工程难点。
多代理系统采用层级式编排模式，即协调者-执行者模式，Grokbot 采用了这种模式。
多代理架构的两个直接好处是：每个代理的提示词和知识库可以保持精简，输出质量更稳定；新增或替换某个代理时，不影响整个系统的其他部分。
蓝领场景通常更适合中心化调度的多代理协调模式，因为任务流程相对线性且对可预测性要求高。
传统多代理系统在完全隔离与完全共享之间难以兼顾，要么导致信息孤岛，要么带来安全风险。
在多代理场景中，当多个代理各自追求自己的目标时，如果策略恰好互补，就会自发形成协调行为，即涌现式协调。
多个Agent基于各自独立、不一致甚至冲突的上下文做决策会导致输出质量下降或安全漏洞
多代理系统中，当多个代理串联执行时，上游代理的输出偏差会被下游代理放大，导致错误传播
还有 2 条时间轴事件
全部知识事实 (17)
多Agent系统（Multi-Agent System, MAS）起源于分布式人工智能领域
90%已验证多个Agent基于各自独立、不一致甚至冲突的上下文做决策会导致输出质量下降或安全漏洞
75%已验证该项目采用多 Agent 协作架构，将求职任务分解为不同职责的独立 Agent 完成
75%已验证多代理系统在实践中普遍面临协调开销大、错误累积、成本不可控等挑战，单纯的代理数量并不等同于生产力提升
65%已验证Agent 系统需要管理跨多轮对话状态与记忆、错误恢复重试机制、工具调用权限管控与结果缓存及并发竞态问题，这些挑战与前端异步编程和状态管理知识高度重叠
65%待验证多代理系统中每个代理都需要携带系统提示、历史对话和工具定义进入上下文窗口，Token消耗呈乘数级增长
85%待验证多智能体系统的概念源于分布式人工智能领域，近年来随大模型普及获得全新工程实践形态
70%待验证代理间通信协议仍处于早期阶段，缺乏统一的语义约定和错误处理规范，导致多代理系统在目标冲突或环境变化时容易陷入死锁或重复劳动。
50%待验证在多代理共享存储系统中，两个代理若都将对方写入视为变更，会形成级联循环，并可能触发真实副作用。
50%待验证多代理系统在安全运营、客服、软件开发等领域已有实践，但代理间的权限控制、错误传播和结果一致性仍是工程难点。
50%待验证多代理系统采用层级式编排模式，即协调者-执行者模式，Grokbot 采用了这种模式。
50%待验证多代理架构的两个直接好处是：每个代理的提示词和知识库可以保持精简，输出质量更稳定；新增或替换某个代理时，不影响整个系统的其他部分。
50%待验证蓝领场景通常更适合中心化调度的多代理协调模式，因为任务流程相对线性且对可预测性要求高。
50%待验证传统多代理系统在完全隔离与完全共享之间难以兼顾，要么导致信息孤岛，要么带来安全风险。
50%待验证在多代理场景中，当多个代理各自追求自己的目标时，如果策略恰好互补，就会自发形成协调行为，即涌现式协调。
50%待验证多代理系统中，当多个代理串联执行时，上游代理的输出偏差会被下游代理放大，导致错误传播
50%待验证多代理架构中每个代理拥有有限的上下文窗口和明确职责边界，以避免单一大模型处理复杂代码库时出现上下文溢出和幻觉问题
50%