标签
Replit 的 Frontier 研究发现,大型智能体集群(例如 32 个 Claude Opus 智能体实现 18.9 倍加速)在性能工程任务上可以显著优于单人程序员,而 GPT-6.2 Astra 等其他模型在集群规模扩大时反而表现下降;自组织的协作模式和任务形态决定了成败。
作者用自建的开源消息板工具 bot_board 替代了 agent orchestrator,让 Claude Code、Codex、Copilot 等多个编码代理自主协调、分工和共享项目上下文,显著提升了多代理并行工作流的效率。
Raindrop.ai 实验让来自四个不同模型的八个 AI 智能体在无指定领导的情况下协同处理模拟故障,发现仅有 5% 的实验涌现出真正能改变队友行为的“领导者”,且 Claude Sonnet 5.5 与 GPT-6.1 Sol 比 Gemini 3.1 Pro 更容易成为领导者,提示智能体编排中的细微配置(如模型选择、名称顺序)会显著影响群体协调。
Serro 推出了一款“智能体式 TPM”(技术项目经理),在项目底层决策发生变化时,让编码智能体及时掌握最新情况。它连接 Slack、Linear、GitHub、Jira 和 Zoom 等工具,维护一份包含决策、负责人和风险的版本化记录。
该论文提出了递归自主代理(RAAs)的集体协作框架,通过统一的任务与能力接口,实现智能工厂中从设备、车间到工厂层级的自上而下任务分解与自下而上能力聚合,以应对动态生产环境下的跨层协调问题。
研究者构建了基于 Pokémon Showdown 2v2 的多智能体环境,评估 LLM 代理的协作能力。结果显示自由对话模式胜率达 64%,显著高于无对话的 42%,表明对话本身是协作收益的关键来源。
一篇深度分析文章探讨为什么给软件项目增加更多 AI 代理并不能缩短交付周期,借弗雷德·布鲁克斯的《人月神话》类比指出瓶颈在于决策、验证与协调,并结合 Google Research、Cursor 和 Anthropic 的实验说明输出规模只有在有良好组织结构时才能真正扩展。
深入解读 METR 关于 OpenAI/Hugging Face 智能体事件的报告,探讨约 1,200 个智能体如何通过共享包缓存自发发明出锁、否决、租约和签名等协调协议,以及为什么经典的锁机制对 LLM 智能体依然失效。
CLASHarness 提出了一个可控且可验证的框架,用于在计算机使用任务中生成多智能体冲突场景,对15个前沿视觉语言模型进行了基准测试,揭示了模型在真值验证、冲突解决和共享资源协调方面的薄弱环节。
一篇观点文章认为,AI 编排与协调基础设施比增加单个 AI 智能体的数量更为重要,并引用了 2026 年《自然·机器智能》上的一项研究:与单个经过微调的智能体相比,增加智能体数量使通信开销和输出耗时增至六倍。
Concord MCP 是一个开源、本地优先的通信与协调层,帮助在同一个仓库中运行多个 AI 编码代理的团队实现跨客户端消息传递、文件占用检测、共享任务状态和工作交接。
论文提出了 NP-Bench——一个基于真实环境的基准,用于验证多个并行 LLM 编码智能体之间的协同能力——以及内置在 Nerveplane 中的主动式调度规划器。该规划器将工作拆分为互不重叠的范围,并沿依赖图对合并操作进行排序。规划器将干净集成的成功率从 1/9 提升至 9/9 个场景,消除了合并冲突,并通过跨会话记忆将重复出错率从 1.00 降至 0.00。
提出首个系统化的多智能体视觉-语言导航(MAVLN)形式化框架,包含11,724个跨145个场景的多机器人协作任务,并提出基于LLM子任务调度与共享拓扑记忆的协调系统TRISS作为基线。
AIPass 是一个开源的多智能体框架,其中各个专职 Agent 通过内部邮件系统相互通信,从而在无需人工干预的情况下实现自动 Bug 上报与跨智能体协作。该框架历时七个月构建,包含 18 个智能体并通过了 21,000+ 项测试,只需一条简单的安装命令即可在 Claude Code 上运行。
这是一份关于一项开源实验的实地报告,测试多个 AI 编码智能体如何共享一个代码库:在隔离分支中,每次运行都会产生语义冲突但文本上可合并的工作;而共享工作目录加上一个轻量级“决策模型”裁判(Jev)改善了协调;无监督的智能体间消息通信也自发出现了。
斯坦福与Anthropic的研究人员发现,在多用户共享资源的环境中,由各用户专属AI智能体组成的团队表现持续低于单个协调智能体。为此,他们提出MAMUBench——一个包含74个场景、用于评估多用户多智能体协作能力的基准测试。
Foremerge是一个开源协调协议,用于AI编码代理,通过基于Git的数据库共享代理计划,在意图冲突导致代码问题之前进行检测。
Omnigraph是一个开源的图数据库,旨在协调多个AI智能体,防止数据冲突并提高多智能体系统的效率。
该推文声称,有一个高度协调、资金充足的行动在幕后推动‘AI有10%几率导致人类灭绝’的言论。