多智能体系统

是什么

多智能体系统（multi-agent system）是由多个相互作用的智能体（agent）组成的计算机系统^[1]。之所以要把多个智能体放在一起，而不是只用一个，是因为能力上的差别：这类系统能够解决单个智能体或单块式系统难以甚至无法解决的问题^[1]。它与基于智能体的建模（agent-based modelling）有亲缘关系，但取向不同——多智能体系统面向工程应用，而不是为了研究某个现象去做仿真^[1]。

每个智能体通常是一段相对独立的软件，能够感知环境的一部分并对之采取行动；真正有意思的部分发生在它们之间。

智能体如何协作

既然没有哪个智能体看得到问题的全貌，协调机制就成了核心。常见做法包括合同网协议（contract net protocol）——把任务公布出去，由能做的智能体承接；市场机制——用类似投标和价格的方式分配工作；以及共识主动性（stigmergy），这是一种受生物启发的间接协调方式，智能体在共享环境中留下痕迹，其他智能体对这些痕迹作出反应^[1]。

智能体还需要共同的语言。智能体通信语言包括 KQML、ACL 以及 FIPA 标准^[1]。除了显式的协议，系统也可以依靠自组织（self-organisation），而自组织会产生涌现行为（emergent behaviour）——没有任何单个智能体被编程去产生的整体活动模式^[1]。

从哪来

这个想法有很长的文献脉络。Hewitt 和 Inman 在 1991 年研究过分布式人工智能，Singh 在 1994 年发表了题为《Multiagent Systems》的工作^[1]。此后出现了整合性的教材：Weiss 在 1999 年主编了一本奠基性的著作，Wooldridge 在 2002 年出版《An Introduction to MultiAgent Systems》，Shoham 和 Leyton-Brown 在 2009 年出版了关于多智能体系统的著作^[1]。这些工作把零散的想法整理成可以教授、可以在此基础上继续搭建的知识。

大语言模型成为智能体

最近一波变化，是把大型语言模型放进每一个智能体里。2023 年，Li 及同事提出了 CAMEL，一个基于大语言模型的多智能体框架^[1]。研究者报告，语言模型智能体可以自发地发展出交流方式，而这也带来了自己的问题：语义漂移，以及可观测性与可解释性之间的落差——《Science》在 2026 年报道了这一点^[1]。

2023 年的两个框架能说明这在实践中是什么样子。AutoGen 于 2023 年 8 月首次提交，是一个开源框架，用多个相互对话以完成任务的智能体来搭建大语言模型应用^[2]。它的智能体可定制、可对话，并且可以运行在把大语言模型、人的输入和工具结合起来的模式中^[2]。自然语言和计算机代码都可以用来编写对话模式，以适配不同应用^[2]。

Generative Agents 于 2023 年 4 月首次提交，描述的架构扩展了大语言模型：把智能体的经历以自然语言完整记录下来，把这些记忆综合成更高层的反思，并在需要时动态检索出来用于规划行为^[3]。作者在一个受《模拟人生》（The Sims）启发的交互式沙盒环境里实例化了 25 个生成式智能体^[3]。

今天用在哪里

应用包括在线交易、灾害响应、目标监测、游戏、交通、物流、电网，以及诸如 Waymo Carcraft 这样的自动驾驶仿真^[1]。共同点是：场景中有许多参与方、信息不完整，而且需要在变化中行动。

局限

这条路线的代价是真实的。已知的局限包括可扩展性弱、协议漂移带来的不确定性、缺少形式化验证，以及难以对一个由众多相互作用部分涌现出行为的系统进行监督^[1]。让多智能体系统变得有能力的开放性，同时也是让它难以被保证的原因。