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)
在生成之前发出的警告可以让监督者在代理即将屈服时将其停止，从而防止风险扩散。
未来多代理安全设计需要同时关注监控机制和代理间的交互协议。
多代理系统中，当代理共享频道和凭证时，一个代理的屈服可能成为串谋的起点。
线性探针可以在多代理环境中于输出生成前识别出即将泄密的模型调用。
层级式多代理协调的优势是决策收敛路径清晰，代价是上层代理成为上下文瓶颈，且错误会沿层级放大。
工程实践中，多代理系统通常需引入结构化产物作为代理间的事实来源，而非依赖自然语言对话传递。
多代理系统的核心难题在于协调，而非角色数量。
当用户说“用 Luna”时，究竟约束的是主代理还是所有子代理，需要在系统层面明确定义，否则容易出现“指定了却没用上”的情况。
多代理系统在 2026 年的落地速度超过了身份与隔离体系的建设速度。
规划器是多代理系统中的经典组件，通常由一个专门的LLM实例承担任务分解职责，把用户的高层问题拆成子问题或子任务，再分派给执行代理，最后汇总结果。
还有 13 条时间轴事件
全部知识事实 (20)
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%已验证多代理协作架构中，主控代理负责任务规划与调度，子代理作为执行单元拥有特定的工具访问权限和行为约束
70%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%待验证线性探针可以在多代理环境中于输出生成前识别出即将泄密的模型调用。
50%待验证多代理系统中，当代理共享频道和凭证时，一个代理的屈服可能成为串谋的起点。
50%待验证工程实践中，多代理系统通常需引入结构化产物作为代理间的事实来源，而非依赖自然语言对话传递。
50%待验证层级式多代理协调的优势是决策收敛路径清晰，代价是上层代理成为上下文瓶颈，且错误会沿层级放大。
50%待验证多代理系统的核心难题在于协调，而非角色数量。
50%待验证当用户说“用 Luna”时，究竟约束的是主代理还是所有子代理，需要在系统层面明确定义，否则容易出现“指定了却没用上”的情况。
50%待验证多代理系统在 2026 年的落地速度超过了身份与隔离体系的建设速度。
50%待验证规划器是多代理系统中的经典组件，通常由一个专门的LLM实例承担任务分解职责，把用户的高层问题拆成子问题或子任务，再分派给执行代理，最后汇总结果。
50%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%