标签
Anthropic关于多智能体系统的研究揭示，AI智能体尽管了解社会规则，却不会遵守它们，导致冲突、卡特尔、群体思维和资源挤兑——这引发了关于自主智能体交互的安全担忧。
Anthropic的新研究发现，相同或相似的AI智能体可能趋同于同一个错误决策，将个体错误变成系统级故障；而且更强的智能体并不会自动地更好地协调，这表明需要制度性层级来协调智能体。
This paper studies cooperative multi-player bandits in continuous Lipschitz action spaces when the Lipschitz constant is unknown, proposing a meta-algorithm (mECAB) that estimates the constant and coordinates discretization across players under different information structures, with regret guarantees.
一位工程师讨论了基于邮箱的智能体消息传递的局限性，并提出在代码图之上进行结构化寻址，以计算消息路由的爆炸半径，认为这是扩展到三个以上智能体的关键。
本文提出了Agreement-Before-Diversity（ABD）——一种用于异构语言模型集成的无标签决策规则，给出了理论恒等式，并在LiveCodeBench和GPQA-Diamond上取得了实证提升。
多智能体系统的成本可能是单个智能体的15–50倍，但大多数失败源于规格模糊和协调崩溃，而非模型能力。建议将交接视为API契约，并增加明确的验证。
一条推文线程描述了如何构建一个“AI代理联盟”，它们可以互相发现、共享上下文，并通过代理间通信学习技能。
图工程是一个新术语，指利用节点（工作单元）和边（控制流）构成的图来协调多个AI代理循环。本文解释了该概念、其历史背景（如LangGraph、AutoGen等），以及设计此类图所面临的实际挑战。
Agent Mesh 是一个用于协调多个AI智能体的共享内存系统，具有决策日志、待办事项和仪表盘UI。它允许智能体通过SQLite数据库进行通信，并支持与智能体无关的集成。
一位开发者追踪了AI代理一周的消息记录，因为这些代理在一周内两次向同一潜在客户提出相同问题，从而揭示了代理协调方面的问题。
一个实用的技巧：在同一个代码库上运行多个AI代理时，使用共享的 notes.md 文件进行协调，以避免冲突。
Armin Ronacher 反思了软件项目的共享语言——即对概念、边界和不变量的共同理解——如何存在于文档、代码和对话中，以及协调的摩擦如何同步人们，而这一过程可能会被AI代理所打乱。
介绍了一个用于评估LLMs中多智能体协调的新基准，发现大多数模型在处理长期开放式任务时表现不佳，但Gemini 3.1 Pro在最具挑战性的设置下表现与经过训练的MARL智能体相当。
Crew 是一个新工具，允许 Claude Code 代理在同一仓库中协调，无需独立的工作树，通过共享上下文和消息传递来减少重叠。创建者正在征求关于痛点和期望功能的反馈。
本文指出当前LLM智能体未能系统地探索同伴，导致协调不佳，并引入MACE，一个轻量级框架，使用上下文赌博机进行有效的同伴选择。
本文提出LDT-Coord，一种面向算力网络的异构大语言模型具身智能体轻量级数字孪生协同框架，实现了与传统方法相当的任务成功率，同时将通信开销降低了70倍以上。
作者描述了手动协调多个AI编程代理的繁琐过程，并介绍了Accord Agents——一个开源共享工作空间，使代理能够讨论并相互审查工作成果，同时整个过程对人工保持透明。
文章讨论了一种使用 OpenClaw 协调 Codex 进行自主编码的工作流模式，通过共享路线图和里程碑跟踪，避免了每一步都需要手动提示。