#多智能体
共 250 篇相关文章

五个AI Agent合租一个窗口:261次提交后的多智能体启示
B站创作者记录五个AI Agent在Cursor单窗口合租25天、261次提交的实践:状态灯误报、书页排队、权限隔离等工程细节,揭示多智能体协作的真实成本与设计取舍。

GPT-6 Pro多智能体并行任务:效率提升还是新隐患?
OpenAI为GPT-6 Pro和ChatGPT引入多智能体并行处理架构,可将单个请求拆解给多个智能体同时执行。本文分析其工作原理、效率承诺缺乏数据支撑的问题,以及多智能体分歧时的监督难题。

多智能体编排七大模式图解与框架支持对比
图解七种多智能体编排模式:顺序链、路由、并行、监督者、层次化、群聊与交接,并对比 OpenAI Agents SDK、LangGraph、Mastra、AI SDK、ADK、CrewAI 与 A2A v1.0 的原生支持情况,帮助开发者按场景选择模式与框架。

多智能体系统为何86%失败?拆解规划器到执行者的规格漂移
多智能体系统生产失败率高达86.7%,根源在于规划器到执行者的规格漂移与静默工具错误传播。本文拆解三类交接瓶颈,结合10,000条工作流审计数据,解析确定性状态契约图如何将端到端成功率提升至96.9%。

多智能体协作新范式:用图数据库取代提示词传递上下文
多智能体系统常通过提示词传递上下文,导致信息有损且无法跨会话持久。Crew Memory Graph 用 FalkorDB 图数据库作为共享记忆层,实现无状态智能体间的精确交接。本文详解其三层记忆架构、证据路径查询与确定性规划器设计,并提供可验证的测试与基准结果。

基于Supabase、VAPI与Vercel构建多智能体语音指挥中心
Load Bearing Empire 分享多智能体语音指挥中心的生产架构:基于 Supabase Edge Functions、VAPI 语音 API 与 Vercel,用统一 Webhook 监听器和 8 表 Postgres schema 协调 8 个并发智能体与 8 条自动化工作流,并解决回调竞态问题。

多AI智能体并非系统更优解:协作开销的分布式系统工程启示
Vals AI研究显示多智能体团队成本高2-5倍但提升有限,根源在于协调开销。本文从分布式系统视角分析耦合度如何决定多智能体架构的合理性,并给出智能体设计的务实原则。

多智能体评审团自信出错:实测百万token的教训
实测158个智能体、2800万token的多智能体代码评审流水线:一次全体一致的错误裁决暴露了框架效应、成功型失败、以及组合重新评分缺失。四个可复用的修复规则。

让LLM智能体不再跑偏:全新Steering Agent监督框架
论文提出Steering Agent监督框架,通过快慢双路径与强化学习联合训练,解决LLM智能体与多智能体系统在长程任务中的目标漂移问题,并验证其跨任务泛化与可控干预频率。

用LangGraph打造开源AI对冲基金引擎:7人投研团队与TimesFM预测
Reddit开发者开源Lumina Capital:基于LangGraph的七角色投研委员会、Qlib Alpha158量化因子库、Google TimesFM概率预测与10秒ATR哨兵止损,探索LLM与确定性量化计算分离的多智能体对冲基金架构。

多智能体并行开发:用 Git rerere 一次冲突重复解决
多智能体并行开发时,同一文件冲突反复出现?Git rerere 功能可记录一次冲突解决方式,自动重放到后续合并和 rebase 中,将手动解决冲突从三次降到一次。

LangGraph Supervisor为何这么烧Token?逐跳拆解成本真相
深入拆解 LangGraph Supervisor 模式为何消耗大量 Token:每完成一个 worker 就重新调用一次,上下文逐跳膨胀。结合 langgraph-supervisor 源码分析成本结构,给出五个可验证的优化方向与按跳度量的方法。

多智能体语音指挥中心实战:VAPI + Supabase 架构拆解
拆解 Load Bearing Empire 的多智能体语音指挥中心架构:VAPI 语音链路、Supabase Edge Functions 处理 Webhook、8 张 Postgres 表追踪智能体状态,以及 Vercel 管理前端的设计思路。

Claude Code Projects开放:用TypeScript手搓一个微型项目协调器
Anthropic向Pro和Max用户开放Claude Code Projects,其核心是协调者会话加并行线程的架构。本文用TypeScript手搓一个微型项目协调器,拆解共享记忆、目标拆分、每日上限、文件认领与看板拼装五个关键环节,并诚实讨论这套模型会崩在哪里。

AI智能体开始自写编排剧本,也不时带着剧本跑偏
最新AI智能体工程周报揭示双重趋势:Claude智能体自写编排程序、LangChain技能渐进披露等自主性提升措施,与OpenAI维基媒体事故、Anthropic签证申请错误、奖励黑客传染等治理事件同步增长。涵盖工具检索、记忆压缩、多智能体故障诊断等前沿研究。

n8n零代码搭建AI Agent:触发器、记忆与联网搜索实战
从零用 n8n 搭建 AI Agent:讲解触发器、节点分类、记忆与联网搜索的配置方法,并演示多 Agent 自动调研并写入 Google Sheet 的完整流程,无需编写代码。

多智能体+MCP:酒店团队预订AI方案实战
AI/MCP Agent™ 平台展示酒店团队预订多智能体方案:运营智能体通过MCP接入PMS系统查房定价,合同智能体零工具纯推理起草提案,结构化交接确保报价与合同一致,支持网站、坐席辅助和电话三种渠道交付。

Superfluid:为多智能体而生的本地LLM推理服务器
Superfluid 是面向多智能体场景的开源本地LLM推理服务器,支持交互请求抢占批量任务、token级日志恢复、OpenAI/Anthropic/Ollama三协议兼容,以及跨设备分布式推理,实测聊天首token延迟比llama-server快数十倍。

