#多智能体
共 97 篇相关文章
多智能体系统深度探讨：OpenAI团队的技术进展
OpenAI研究人员与科技播客主持人Dwarkesh Patel就多智能体（multi-agent）系统展开深度对谈，并致谢团队协作成果。本文梳理多智能体技术的关注点与研究生态。
腾讯云开源Octop：支持多用户多智能体的自托管AI助手
腾讯云开源AI助手Octop，支持多用户与多智能体架构，主打自托管部署。基于Python开发，已获6604 Star。本文解析其核心特性、架构意义与适用场景。
AI智能体有了邮箱后，第一件事竟是互相提交Bug报告
开源多智能体框架AIPass给18个AI智能体配上邮件系统后，它们做的第一件事竟是互相提交Bug报告。本文解析其专家隔离架构、email/dispatch通信机制与基于可见性的协作范式。
单一全能Agent的陷阱：多智能体协作才是可靠之道
单一全能Agent看似强大，实则难以保证一致性。本文探讨为何多智能体协作（分工、边界、交接、监督）才是构建可规模化Agentic AI系统的可靠路径，以及系统最容易崩溃的环节。
JarvisCore：零信任网状网络中的对等AI智能体运行时
JarvisCore 是一个开源AI智能体运行时，让智能体作为对等节点运行在网状网络中，通过能力发现、共享账本和零信任代理实现安全协作。本文解析其核心架构与设计价值。
JarvisCore开源：无主控的P2P多智能体框架来了
JarvisCore是一个以Apache 2.0开源的Python多智能体框架，采用无主控的P2P网格架构、SWIM gossip成员发现、自主工具生成与透明有界记忆。本文解析其技术设计、开源模式与贡献方向。
四个AI智能体同时改一个文件会怎样？Git真的够用吗
当四个AI智能体同时修改同一个文件会发生什么？一位开发者用公司收购审查工作流实测，对比Git worktree与AgentWS在访问控制、故障恢复和并发冲突上的差距，揭示多智能体系统的状态管理难题。
多智能体协作卡死难题：交接规则缺失才是元凶
一位开发者分享多智能体流水线卡死的真实排障经历：规划、编码、审查智能体因缺失完成状态 Schema 和同步/异步错配而互相等待。本文解析根因、修复方案与核心教训——编排脆弱源于未定义的交接规则。
多智能体群体为何会集体陷入错误信念？
多智能体系统中，由LLM驱动的AI智能体群体为何会集体收敛到错误信念？本文借鉴《大众幻想与群众性疯狂》，剖析同质化偏见、相互影响与缺乏外部校验如何导致多智能体错觉，并探讨相应的系统设计启示。
GPT-6.1 Sol掀桌：两成价格买旗舰推理，AI合规红线同日落下
OpenAI DevDay发布GPT-6.1 Sol，以两成价格提供旗舰级推理能力，同时推出DOS多智能体编排框架。但同一天法院司法禁令要求给自主智能体拔网线，Hugging Face发布Provenance Guard反制。本文深度解析AI成本骤降与合规危机的双重变局。
DeepAgents多智能体协作原理：主Agent如何调度子Agent
DeepAgents是LangChain团队推出的智能体框架，通过主Agent调度子Agent实现多智能体协作。本文讲清DeepAgents与LangChain、LangGraph的三层关系及子智能体机制。
多智能体协作总掉链子？答案是把计划写进文件
一位AI工程师用多智能体团队制作幼儿视频时发现，把计划放在聊天上下文会导致智能体遗忘细节、烧钱重做。他的解法是把角色、场景、允许/禁止清单写成文件，让智能体读文件而非聊天。本文剖析多智能体协作的状态管理经验。
从Copilot到Agentic AI：企业级自主智能体开发实战解析
本文梳理AI从Copilot副驾驶模式到Agentic AI自主智能体的演进脉络，解析多Agent协同、ReAct自主决策与Agent Skills技能系统三大核心，并介绍基于Spring AI Alibaba生态的企业级智能体开发实战课程内容。
一个人指挥20个AI：Grok Bot多智能体协作实战解析
Grok Bot 实战演示：一个开发者如何指挥 20 个 AI 智能体，实现自动修 Bug、夜间代码清理、凌晨提交 PR。解析多智能体协作架构、P0 升级机制与三条可复用方法论。
企业级多Agent智能体的安全设计：数据安全与脚本安全实战解析
深入解析企业级多Agent智能体的安全设计：数据安全与脚本安全两大核心问题，以及权限控制与沙箱隔离的解决方案，附完整面试答题逻辑与代码实战要点。
Okara：号称全球首个AI首席营销官，多智能体能否取代CMO？
Okara号称全球首个AI CMO，输入网站即可自动研究产品与竞品，并调度10多个AI智能体覆盖SEO、AI搜索、Reddit、X、LinkedIn及UGC视频。本文解析其多智能体编排逻辑、人机协作机制，并冷静评估其宣传话术。
HiCoMER：让LLM智能体记忆分层，检索只取有效信息
arXiv 论文提出 HiCoMER 框架，通过层级化协作记忆管理与有效性感知检索，解决 LLM 智能体召回过时、冲突记忆的问题。文章解析其三大组件、分层建模思路与实验验证结果。
多智能体代码评审何时可信？无标签检测让AI学会"拒绝猜测"
arXiv新论文揭示多智能体代码评审在缺乏区分性证据时系统性失灵：MARCH框架准确率暴跌至4.4%。研究提出两种无标签测量方法，让AI评审系统学会在没有依据时主动弃权，准确率从20.7%提升至36.9%。
