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。

Hermes Swarm是一个开源的多智能体系统，旨在实现AI团队的24小时协同工作。每个Agent独立思考并交流，系统中有监工Agent以确保工作效率。用户在处理复杂任务时可以手动接管。该项目由20岁开发者CyberTron957创建，适用于自动营销和软件开发等场景。

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。

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。

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。

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。

本文讨论了多智能体系统在软件开发中的应用，特别是从“AI 帮我写代码”到“AI 为我的仓库写代码”的转变。通过 GitHub Copilot，智能体负责不同代码仓库的部分，生成 Pull Request、运行测试和执行部署。实验表明，通过定义边界和职责，智能体能有效提升 DevOps 流水线的效率和审计性。

Ruflo是一个多智能体系统，通过分工和长期记忆提升AI编程效率。它模拟真实公司结构，分配角色如架构师和程序员，解决单一AI的上下文限制问题。Ruflo引入共识算法以防止错误传播，旨在让AI像团队一样协作，推动AI编程进入组织化时代。

随着人工智能架构的发展，系统设计正向分布式多智能体系统转变。A2A协议作为智能体间的通信标准，提升了智能体的互操作性，解决了传统系统集成的脆弱性。该协议通过定义通用通信语言，支持动态交互和实时状态同步，降低了跨网络集成成本。Microsoft Agent Framework、BotSharp和OpenClaw.NET等框架在实现A2A协议方面展现出强大潜力，推动了企业级AI系统的设计与应用。

研究者提出了DiffMAS框架，将多智能体系统的通信机制转变为可学习的隐式表示，实现了通信与推理的联合优化。该方法通过隐空间映射和高效的参数训练，提高了推理准确率，减少了通信开销，表明通信与推理应紧密结合。实验结果显示，DiffMAS在多个基准测试中表现优异，证明了通信协议可以被学习和优化。

本文介绍了如何使用Jaeger v2和OpenTelemetry为Claude Forge多智能体系统设置分布式追踪。通过追踪智能体操作，可以识别问题、优化性能。Jaeger v2提供更好的配置和存储选项，并支持Docker快速部署，帮助开发者了解工作流程，提高效率。

本文探讨了多智能体系统的有效模式，强调“单线程写入，多线程提供智能”的原则。通过代码审查环和“聪明朋友”架构，提升系统的智能和效率。未来的挑战在于通信设计，以便让弱模型有效求助和共享信息，目标是构建协调的智能系统，优化软件开发过程。

吴翼已正式加盟Meta MSL，成为AI领域的热门人物。他在多智能体系统和深度强化学习方面有显著贡献，发表论文40余篇。加入Meta后，他将参与超级智能系统的研究。

本文探讨了多智能体系统的五种协作模式：生成-验证者、调度-子智能体、智能体团队、消息总线和共享状态。每种模式适用于不同场景，选择时需考虑任务特性和团队需求。建议从调度-子智能体模式开始，以低成本解决问题，并根据实际情况逐步演进。

本文探讨了在飞桨星河社区中构建多智能体系统的方法，强调将复杂任务分解为多个专门的子代理。通过创建日历和邮件子代理，系统能够更高效地处理任务。每个子代理专注于特定功能，提升了系统的稳定性和可调试性，最终由Supervisor协调各个子任务，确保系统高效运作。

多智能体系统加速跨学科研究，AiChemy结合外部MCP服务器与化学库，分析数据以发现新模式，识别疾病靶点、药物候选及文献验证，支持药物发现流程，并利用化学相似性生成新化合物。