标签
SPL（结构化提示语言）是一种声明性语言，统一了大语言模型工作流中确定性和概率计算模式，可指定跨本地和云端节点运行的计算。它包含丰富的示例库和实验验证。
PRECEDE是一个先例引导的、用于副作用感知药物重新设计的协同科学家，它将药物修改视为基于药物-副作用关联和生物医学知识图谱的证据驱动推理，并由人类监督的LLM编排器协调。
作者认为聊天优先的AI工具不足以构建自主代理工作流，并描述了替代原语，如定时触发器和子代理委派，主张从“带着工具聊天”转向“使用LLMs的自主流程”。
作者分享了一个实用的四层LLM路由栈，用于代理工作。其中，快速的编排器处理大部分请求，仅在需要深度推理时才会升级到昂贵的模型，显著降低了成本并提升了交互体验。
对 CrewAI 和 AutoGen 等多代理框架底层信息路由方式的技术剖析，揭示它们本质上是自动化的提示链式循环。本文解释了代理因上下文窗口膨胀和缺少确定性停止条件而陷入无限循环的原因，并为开发者提供了实用建议：将代理视为函数式编程函数，而非人类协作者。
SciOrch 提出了一种基于 MCTS 训练的 8B 视觉语言模型，用于协调多个专家级大语言模型进行多模态科学推理，在降低 API 成本的同时实现了更优性能。
InfraMind 引入了一个基础设施感知的多智能体大语言模型编排框架，利用强化学习根据实时系统负载动态选择模型和拓扑结构，在高负载下实现了高达 7 倍的延迟降低和 99.9% 的 SLO 达标率。
BotCircuits Agent 是一个开源框架，引入了Workflow-native Agent Loop架构，将确定性状态机导航与有针对性的LLM执行分离，以减少偏差和Token成本。
Anthropic 悄悄在 Claude Code 中推出了 /workflows，用基于代码的控制流取代了 LLM 编排器，以避免 token 开销和上下文混乱问题。
本文批评了“多智能体编排”这一术语的过度使用，指出许多实现实际上仅仅是单一智能体使用函数调用，而非真正的分布式系统。文章强调了一些经过生产环境验证的实用模式，如顺序流水线和人机协作工作流，作为复杂但低效架构的替代方案。
一位开发者展示了一种 AI 工作流，使用 Hermes Agent 作为编排器，Codex 作为构建器来执行自动化任务。
OpenGUI 是一个开源 AI 手机操控系统，让 AI 自动操控真实 Android 设备执行社交、调研等长时段移动端任务，支持通过飞书、Telegram、Discord 或 REST API 远程派发任务，底层架构分为 Plan Supervisor 和 Executor Graph 两层，支持 Claude、Qwen、豆包等多种模型。
一种轻量级模式，用于编排多个AI代理（Claude、Codex、Gemini）之间的对话，通过CLI实现，无需API付费，利用会话恢复来维持跨代理交互的上下文。
AgentSPEX 提出了一种领域专用语言，用于构建模块化、可解释的大模型智能体工作流，具备显式控制流、状态管理与可视化编辑器，性能优于现有 Python 耦合框架。
Council of High Intelligence 是一个开源工具，它编排来自多个 LLM 提供商的 18 个 AI 角色，对艰难决策进行审议，通过单一命令提供结构化的分歧和多视角分析。