香港大学数据智能实验室推出的开源学习助手DeepTutor，旨在解决学习者在知识获取和研究中的痛点。该平台结合多智能体架构与知识检索，支持自然语言交互，提供文档问答、可视化学习和习题生成等功能，帮助用户高效学习和研究。

本文探讨了通过多智能体架构提升零售供应链决策效率，解决数据到洞察再到行动的链路问题。传统方法依赖人工分析，导致决策延迟。Agentic AI通过自动化查询、分析和行动，打破了查询壁垒，实现数据驱动决策，强调数据自动流向决策的重要性。

智能家居技术已从被动响应发展到自治化。Lucia项目作为开源AI助手，注重隐私保护，采用多智能体架构，提升家庭自动化的智能性和响应速度。通过本地处理和动态路由，解决了传统智能助手的局限，确保用户数据安全和系统高效运行。

本文介绍了多智能体架构的工作机制，主智能体负责理解用户意图并拆解任务，子智能体执行具体任务。通过委托机制和会话管理，主智能体与子智能体高效协作，确保上下文隔离和任务结果回传。整体流程包括初始化、决策、子会话创建、子智能体执行、结果回传及父会话恢复。

多智能体架构在处理复杂任务时至关重要。文章探讨了四种主要模式：子代理模式适合集中控制的应用，技能模式适合多种专业化场景，交接模式适合客户支持，路由模式适合并行处理多领域查询。选择合适的架构需考虑具体需求和性能特征。

Ryan与Cisco工程副总裁Guillaume De Saint Marc讨论了多智能体架构的未来及其挑战，强调通信协议和互操作性在去中心化和可扩展架构中的重要性。Outshift是Cisco的技术孵化器，专注于新兴技术。

本文探讨了多智能体架构的动机与限制，评估其在Tau-bench数据集上的表现，并介绍了对“监督者”实现的改进，性能提升近50%。多智能体系统因其模块化设计、处理复杂任务及满足不同开发团队需求而日益普及。