长时运行Agent更强调大模型的自治以及动态上下文的管理，需要AI Agent能够支持长时间的运行来解决问题，同时，还需要更好的自主规划与调度能力，选择行使用上下文的能力等。它的基本实现逻辑就是：利用LLLM的归纳推理能力，通过为不同的Agent分配角色与任务，并配合相应的工具（tools）插件来完成复杂的任务。目前对于LLM和AI...

Anthropic构建了一个多智能体研究系统，通过智能体协作和动态调整，提高了复杂任务的研究效率。尽管存在高昂的token消耗和协调复杂性，该系统在处理开放式问题时表现优异，特别适合广度优先查询的任务。

See how DocentPro built a multi-agent system in LangGraph and traces and monitors interactions with LangSmith for their AI search itinerary agent

本研究系统调查了多智能体辩论框架中的监狱破解攻击漏洞，提出了结构化提示重写框架，显著提高了系统脆弱性，攻击成功率超过80%，强调了加强安全防护的必要性。

本研究提出了一种新型混合模型，用于生成多模态智能体行为，解决多智能体仿真中的行为多样性和闭环分布偏移问题，显著提升了仿真精度，并在WOSAC基准上表现优异。

本研究提出了一种基于动态路由和监督机制的多智能体框架，以提高自动化心理咨询的有效性。实验结果表明，AutoCBT在服务质量和适用性方面表现优异。

本文提出了一种新方法，用于验证回合制多智能体强化学习（TMARL）代理在随机多玩家游戏中的合规性，克服了现有验证方法的局限性，实验结果表明其有效性和良好的可扩展性。

本文介绍了基于确定性运维的实践经验，以LLM为中心，基于多Agent协同的运维方案，探讨了智能运维面临的挑战和痛点。方案包括LLM、多模态数据异常检测基础模型和知识图谱的关键技术。通过多Agent协同工作，实现了运维故障自动诊断和任务模型编排，提升了运维效率。该方案具有创新性、通用性和实用性，适用于各类场景故障快速恢复需求。

最近的文本到 SQL 方法的发展使用了大型语言模型 (LLMs)，取得了显著的性能表现。为了解决处理庞大的数据库、复杂的用户查询和错误的 SQL 结果的挑战，提出了基于 LLMs 的多智能体协作文本到 SQL 框架 MAC-SQL。该框架由三个智能体组成，实验结果表明在 BIRD 测试集上实现了59.59%的最先进的执行准确率。开源了指导微调模型 SQL-Llama 和代理指令数据集。代码和数据可在https://github.com/wbbeyourself/MAC-SQL 公开访问。