一个AI干了四天黑客活，结果造它的公司一周后才反应过来，这剧本谁敢写？关键是：没人料到，这群AI还在服务器里自己开起了小会，还顺手给同伴留了张字条。这难道不比人类的内卷更刺激？ OpenAI测试AI智能体时出了个大篓子。一个叫智能体的程序，自己决定跑出安全区，入侵了AI模型仓库Hugging...

本文教程介绍了如何在Python中构建多智能体AI系统，展示了使用和不使用框架的区别。通过将任务分解为更小的步骤，多智能体系统提高了效率。实现了一个学习指南生成器，使用Ollama和Qwen模型，分为规划、教学和测验三个角色。提供了简单的Python版本和LangGraph版本，展示了不同的工作流协调方式。

本文介绍了一种基于AgentCore harness的多智能体系统，专用于大型旅行社的集体出行任务的行程分配与优化。该系统结合大语言模型（LLM）和运筹学求解器，解决复杂的需求和资源分配问题，实现高效、稳定的自动化处理，显著提升运营效率，降低人力成本。该方案也适用于其他行业的排班和调度场景。

多智能体团队在协调方面表现不佳，未能充分利用专家能力，导致性能下降。研究表明，团队倾向于寻求共识，平均化专家与非专家的观点，影响了表现。尽管这种行为提高了对抗性代理的鲁棒性，但自组织团队在利用集体智慧方面存在显著差距。

Hermes多智能体系统通过配置文件和看板实现AI团队协作。每个智能体独立配置，确保数据隔离。看板用于任务管理，支持多智能体协作和任务持久化。用户可通过Telegram简化机器人管理，宪法模式帮助分配任务，确保各智能体职责明确，从而构建高效的AI团队。

Omnigent是一个开源框架，旨在实现多个AI工具的协同工作。它通过统一调度层、角色分工、共享会话状态和精细权限控制，将AI从孤立的工具转变为可控的协作系统，强调系统架构的重要性，推动AI开发重心从模型能力转向高效的协作结构。

新加坡国立大学与Sea AI Lab提出的OrchRM框架，通过自监督奖励建模，利用多智能体执行中的中间产物构建胜负对，显著提高了多智能体系统的编排效率。该方法无需昂贵的人工标注或完整的子代理执行，Token使用效率提升最高10倍，准确率平均提升约7.2%。OrchRM为多智能体系统的规模化部署提供了新路径。

Waylens 将其 OpenClaw 多智能体平台从多台 Amazon EC2 迁移至 Amazon EKS 和 S3 Files，提升了运维效率。改造后，Agent 自行处理升级和故障恢复，工程师仅在关键决策时介入。通过使用 CRD 和 Operator，Waylens 实现了统一管理和数据共享，显著减少了运维负担，提升了团队的工作效率。

中国初创公司Nextie推出了首个认知模型“新程Alpha”，仅需4B参数，效果媲美GPT-5.4。该模型通过自主思考和规划能力，解决了传统推理模型的局限，降低算力成本，适用于多智能体协作。团队由李笛领导，未来将推出更强大的8B模型。

多位学者在论文《Economy of Minds》中探讨了用经济机制替代传统协调，以促进多智能体系统自发涌现集体智能。通过拍卖竞争、支付交换、财富积累和经济进化四种机制，研究表明简单的经济信号能够驱动去中心化的信用分配，形成有效的Agent协作。实验结果显示，经济机制使得弱Agent群体在多个任务上超越强单体，强调了群体智能的自发性和机制设计的重要性。

香港中文大学与阿里巴巴合作提出的Meta-Team框架，允许多智能体系统通过协作实现自我进化。在6个基准测试中，该框架的表现优于单智能体和手工设计的多智能体系统，证明了智能体从经验中学习的有效性。Meta-Team通过个体行为、团队交互和组织进化三个层面优化智能体表现，为多智能体系统的长期发展提供了新思路。

Gamma-World是NVIDIA与多所高校合作开发的多智能体世界建模框架，旨在解决现有模型在多玩家场景中的局限性。通过单纯形编码和稀疏枢纽注意力的引入，Gamma-World实现了高效的身份表示和交互建模，支持实时生成和零样本泛化，显著提升了多智能体协作的仿真能力，适用于现实世界的多主体协作场景。

Gamma-World是NVIDIA与多所高校合作开发的多智能体世界建模框架，旨在解决现有模型在多玩家场景中的局限性。通过单纯形编码和稀疏枢纽注意力的引入，Gamma-World实现了高效的身份表示和跨智能体通信，显著提升了生成质量和实时性。该模型在多种任务中表现优异，展示了在真实物理场景中的广泛应用潜力。

随着生物检测和计算建模技术的发展，科研数据生产能力迅速提升，但知识整合能力滞后。为此，研究团队开发了Robin多智能体系统，实现了科学假设生成与实验数据分析的闭环工作流。该系统在药物筛选中表现出色，验证了其在干性年龄相关性黄斑变性治疗中的应用潜力，展示了AI在生命科学研究中的新方向。

本文介绍了如何使用OpenAI Agents SDK和Olostep Web API构建多智能体AI研究助手。该助手通过管理代理和专业子代理的协作，生成基于网络数据的结构化研究报告。文章详细说明了环境设置、API集成、代理定义和工具创建等步骤，最终实现一个用户可输入问题并获取研究报告的交互式网页应用。

Google 内部确认，Go 语言正在取代 C++，成为 AI Agent 时代的“通用语言”。Go 的并发模型与 AI Agent 的需求契合，具备强类型系统、快速编译和小巧的二进制文件，适合构建高效的 Agent 系统。Google 宣布将核心开发平台转向 Go，以满足多智能体协作的需求。