告别脆弱的单体应用，用多智能体网络构建稳定的生产力工具

多智能体系统代表了 AI 应用设计上的一次根本性转向，在过去几年，主流的一直是单智能体模型：一个 LLM、一条提示链（prompt chain）、一个系统包办所有事。这种范式在简单任务上能跑，到了复杂任务上就有一些力不从心了。

这里主要有三点：

第一，值得解决的问题在本质上就是多智能体问题。供应链优化牵涉供应商、制造商、分销商、零售商，每一方都有自己的目标与约束。金融交易牵涉跨多个时间维度运行的多种策略。城市交通管理牵涉成千上万个交叉路口，需要在本地协调的同时服务于全局通行目标。这些问题硬塞进单智能体架构就会得到脆弱的系统。

第二，工具链已经成熟。两年前要构建一套多智能体系统得从零写自定义编排代码；今天，CrewAI、Microsoft AutoGen、CAMEL 这类框架直接提供生产级的智能体通信、任务委派、冲突解决抽象，门槛下降了一个数量级。

第三，多智能体系统在失败时的退化方式比单体平缓得多。多智能体系统中某一个智能体挂掉，其它智能体可以补位、改道，或者让整体优雅降级。单体系统一旦失效，就是整体失效。那家迪拜客户用三天的人工订单处理换来了这条教训。你可以靠读这篇文章来换。

协作型与竞争型智能体

协作型智能体（Cooperative agents）共享一个共同目标，工作时自由交换信息，为整体结果做优化。比如说物流系统中，路由智能体和分配智能体之间没有任何理由互相隐瞒；路由智能体发现某条高速拥堵的瞬间就把信息分享出来，让分配智能体相应调整。当所有智能体都在你掌控之下、服务于同一个利益相关方时，协作型系统是合适的选择。

竞争型智能体（Competitive agents）目标相互冲突。每个智能体为自己的收益做优化，一方所得可能就是另一方所失。金融交易是经典案例，一套多智能体交易系统里可能有一个动量（momentum）智能体想在价格上行时买入，有一个均值回归（mean-reversion）智能体想在价格高位卖出，还有一个做市（market-making）智能体不管方向、只想从买卖价差里吃肉。它们之间不是协作，而是为共享资本池中的资金分配相互竞争——系统的整体表现，就源自这些策略之间的张力。

现实世界里的多数系统介于两者之间：混合动机（mixed-motive）系统，智能体在某些维度上协作，在另一些维度上竞争。比如说：供应链里每个节点优化自身库存，同时在需求信号共享上协作，就属于这一类；自动驾驶车队里每辆车优化自身行程时间，同时在交通流上配合，也属于这一类。

所以先要确定选定多智能体的类型，因为这会决定通信协议、协调机制和失败处理策略。一旦选错要么给一个竞争型问题构建出协作型系统，让智能体天真地分享本该被门控的信息；要么给一个协作型问题构建出竞争型系统，让智能体把精力浪费在没有意义的战略性行为上。

 

https://avoid.overfit.cn/post/8b3ece483d3443cfaf1828e9e8bcf010