多智能体Multi-Agent

在一组专业代理之上放置一个协调代理，并将工作分配给它们。

一个调度器在运行时动态地将任务分解为子任务，并将每个子任务委派给一个工作 LLM，然后综合结果。

在隔离的工作区中运行子代理，以便它们的写入不会冲突，并且并行性是安全的。

将主动对话从一个代理转移到另一个代理，同时携带上下文信息。

定义一个协议，以便代理能够在流程或供应商边界之间交换任务、能力和结果。

将一个子代理（具有自己的循环、提示和工具调色板）封装在一个单一的函数形状工具签名后面，以便父代理像调用其他工具一样调用它，并且永远看不到子代理的内部过程。

将代理组织成树形结构，其中高层代理为低层代理分解任务，递归进行。

为每个代理分配一个命名角色（研究员、作者、评论员、规划者），并提供特定角色的提示、工具组合和接受标准。

让两个代理进行用户-助手交互的角色扮演，以自主完成一个单独无法解决的任务。

为多个代理提供一个共享的、可查询的工作空间，以便他们在协作时可以读取和写入。

代理之间的消息根据交流意图（请求、通知、提议、接受、拒绝、查询）进行分类，而不是自由形式的散文，因此接收者可以根据行为类型进行调度。

将每个代理实现为一个独立的演员，拥有自己的邮箱，逐个处理异步消息，并且从不与同伴共享可变状态。

让代理轮流对话，直到满足完成标准；代理角色推动对话向前发展。

通过代理订阅的命名主题来路由代理之间的消息，而不是让发送者通过 ID 彼此地址。

让多个代理就一个问题争论不同的立场，并通过结构化的交流达成共识。

经典的基于竞标的多智能体任务分配：管理者广播任务公告，承包商提交竞标，管理者将合同授予最佳竞标。

代理通过在共享环境中留下和读取标记（文件、队列、草稿板、世界模型）间接协调，以便一个代理的痕迹刺激另一个代理的下一步行动，而无需直接消息传递。

多个独立的代理在分区任务上并行执行；一个专门的聚合代理将它们的结果整合成一个输出。

在多代理群聊的参与者之间放置一个专门的管理器，以决定每轮哪个参与者接下来发言。

首席代理编写研究计划并派遣并行子代理进行广度优先的信息收集，然后合并结果。

将任务分配给最低的密封竞标者，但支付他们第二低的出价，使得真实的成本报告成为一种主导策略。

让每个代理在一个众所周知的位置发布标准化的自我描述——身份、技能、端点和认证需求，以便其他代理在运行时通过能力发现并绑定，而不是通过硬编码耦合。

将一个长的多学科任务分解为有序的阶段；在每个阶段内，两个代理之间进行配对角色的聊天，直到该阶段的成果被签署；将成果传递到下一个阶段。

当一个被指令的代理需要创造缺失的上下文以遵循指令时，让它反转角色并向指令者询问缺失的细节，然后再回答。

将企业代理分解为领域专业代理（财务、供应链、人力资源、服务），每个代理都基于其自己的记录系统，并通过标准化的代理间协议在它们之间路由文档。

蜂群中的代理根据共享协议决定与对等体的交接，没有中央协调者；具体涉及代理发起的交接协议，而不是拓扑结构。

三个或更多角色专业化的人物在不同的模型架构上并行运行；合成评判者——仅根据他们的结构化 JSON，而不是原始输入——产生最终裁决。

在单个代理循环中以几种不同的人格（执行者、批评者、规划者）运行一个模型。

使用微软的通用多代理架构：一个单一的协调者代理向四个专业子代理（WebSurfer、FileSurfer、Coder、ComputerTerminal）派遣任务，以解决跨越网页浏览、文件操作、代码执行和shell操作的开放式复杂任务。

将代理系统设计为一组狭窄的单一目的代理，每个代理拥有一个工具或一个能力，而不是一个处理所有工具的超级代理——微服务相对于单体的代理类比。

随着时间的推移，逐步进行人机交接：代理开始生成草稿，始终由人类审核；随着信任的积累，其自主性逐步扩大，逐步增加行动。

在工作代理之间分配任务并聚合结果，同时通过补偿操作在部分失败的情况下保持分布式事务语义。

对代理发布的能力卡进行加密签名，以便消费代理可以在绑定或委托之前验证它是由声称的域发布的，从而消除代理间发现中的欺骗漏洞。

将人类标准操作程序（角色、顺序阶段、标准化交接文档）编码为多代理管道，以便代理通过结构化文档而不是自由形式的聊天进行沟通。

通过收集和统计多个代理对候选选项的投票，最终确定一个决策，使联合输出反映集体而非单个代理的判断。

代理人围绕一个任务形成临时子组，因为联盟可以实现比其成员单独行动的总和更大的价值，并且有明确的规则来决定谁加入以及如何分享收益或信用。

代理发布签名的DID+JSON-LD身份记录，以便任何对等方可以发现并验证它们，而无需中央注册机构——这是代理的开放网络等价物。

根据特定任务在运行时生成代理团队——角色描述和实例，然后根据评估反馈在迭代之间调整团队组成。

在运行时通过将任务与候选协作者匹配来形成和解散代理之间的连接，而不是事先将多代理系统固定在链、星形或网状结构上。

一组代理人采用一个共同目标，以及每个成员在认为目标已实现、不可能或不再相关时会通知其他人的元承诺。

让一个代理以几种命名的声音进行对话，这些声音叠加在基础身份上而不是替代它，从而使代理能够在不失去身份连续性的情况下转换语气，而不是分裂成不同的人格。

运行许多相互直接交互的对等代理，而无需中央监督，实现自发协调。

让每个长期自动循环在所有循环共享的注册表中声明它可以执行的资源和它优化的指标，以便在任何循环运行之前检测到重叠的执行范围。

在将新的自主控制器纳入共享物理基底的车队之前，在沙箱中对其进行分析，针对每个现有控制器测量成对结果的退化，并根据测量的严重性决定是否允许其加入。

仅根据其不同的上游根源所证明的弹性来认可多智能体法定人数，在需要妥协的独立根故障数量超过声明的阈值时才允许该联盟。

为每个管道阶段配备一个三元组 — 创建者生成一个工件，批评者发现缺陷，仲裁者做出具有约束力的通过/失败/部分决定 — 在阶段之间设置四个明确的人为关卡。

将一个交互式代理分成一个快速的 Talker 用于对话响应和一个慢速的 Reasoner 用于深思熟虑的规划和工具使用，以便对话循环不会因推理而阻塞。

一个群体，其中每个代理对其直接邻域应用简单的局部规则；宏观行为在没有中央协调者和全球信息访问的情况下出现。

为工厂控制链中的每个现有反馈环分配一个操作代理，携带该环的控制理论上下文，并用链的确定性选择逻辑解决它们之间的竞争提案。

使用强化学习训练一个小型元模型，以在前沿LLM工作者池中调度子任务，学习通信拓扑并允许指挥者递归地作为工作者调用自己。