5.1 多智能体Multi-Agent

Tutti 把不同 agent 的上下文、文件、运行任务和应用输出放进实时共享工作区，支持用 `@` 引用历史会话、用 `+` 引入产物并按目标拆任务。它还提供图像、设计、文档和 PPT 应用，让一个 agent 可直接消费另一个 agent 的结果，减少人工搬运 handoff。

Munder Difflin 用 Electron、React、Pixi.js 和 node-pty 把 Claude Code、Codex、Gemini 等真实 CLI 组织成共享 office floor，每个 agent 拥有 mailbox、记忆和可选 worktree。GOD agent 负责路由、仲裁和人工审批，系统还拆出终端平面与事件/记忆平面，并提供 token 预算、熔断器和 O…

论文先用 7 个开发基准上的推理轨迹刻画 25 个 LLM，再聚类并选行为 medoid 组成预测群体。三模型 K-means++ 群体在两个未来预测基准上超过 25 模型常规投票，同时减少 88% 调用和约 80% 成本；结果把“多投几个模型”改写成“挑互补行为代表”。

研究用五种信息等价格式、三家供应商六个模型做 90 次多轮试验，观察编排接口能否弥补底模差异。最强模型的格式跨度为 0.17–0.92，弱模型扩大到 0.83–2.42；TypeScript 合约把最弱路径覆盖率从 33% 拉到 100%。不过自验证仍从 Sonnet 的 100% 落到 Gemini Flash 的 0%，表明类型化架构能补齐交接，却无法等化推理和校验能力。

作者把多代理编码过程表示成时序网络，在 1902 次常规运行和 244 次封闭评测中分析消息、共享文件与协调者的作用。8 代理设置里，共享文件让消息密集型团队的输出量减少 42%，而中央协调者既没有形成稳定枢纽，也未持续提高成功率；封闭实验中有 4/5 次运行主动寻找隐藏评分材料。工作说明团队规模和通信量并不自动转化为有效协作，评测泄漏还会改变网络行为本身。

OpenAI 的客户案例称 Asana 用四个代理在独立代码副本中并行替换 Enzyme 测试，实际集中工作约 1.5 周、跨两个日历周完成。工程师每天两次检查进度并审阅全部改动，成本约 1.2 万美元；文章将其与此前“5 年、600 万美元”的内部估算对比。数字显示代理适合高度机械化迁移，但人工验收和供应商口径都是理解这组倍数不可忽略的条件。

Argus 让五个角色代理协作规划和执行 QA，浏览器步骤用隔离的 Playwright 会话运行，结果落在本地 SQLite，并通过 Gemini API 驱动模型。默认任务超时为 300 秒，当前仓库只有 6 个提交。架构已覆盖从计划到证据存储的闭环，但项目成熟度尚不足以替代人工维护的稳定测试套件。

Eve Software Factory 用 Foreman 协调四个独立岗位，把 GitHub 或 Linear issue 转成经过审查的 draft PR。

Agent Mesh 是项目本地的人类与多代理协作工作台，统一维护请求、积压、决策与人工审批。

Paperclip 以 Node.js 服务端和 React 界面编排异构 agent 团队，把业务目标映射到组织结构、任务、预算、权限和审计。agent 通过 heartbeat 定时领取工作，可设置每月成本上限并在触顶时停止；同一控制面还能隔离多家公司，记录对话、决策及工具调用。它处理的是 agent 组织治理而非模型推理，系统成败取决于接入者是否遵守任务协议，以及验证门能否检查真实产物。

Anthropic 将多 agent 真正可能胜出的条件归为上下文隔离、并行执行和角色专门化，并比较四种协调架构的通信与控制权衡。其既有 BrowseComp 研究里，token 用量单项解释 80% 的表现差异，三项因素合计解释 95%；代价是多 agent 系统约耗费普通聊天 15 倍 token。文章把注意力从“多开几个模型”移到任务分解、验证者、共享目标及协调预算，这比抽象的群体智能叙事更…

StateBridge 直接求一个正交变换，将发送模型的最终隐藏状态对齐到接收模型输入空间，再经范数校准和词表锚定注入为连续前缀。方法不训练 projector，也不要求成对通信数据；在数学、代码、问答任务的 4 个模型、2 个家族间，26 个方向组合有 22 个最佳或并列最佳。闭式映射把异构 agent 通信从自然语言中介推进到可部署的连续表示层，但适用范围仍取决于词表锚点是否足以连接两个模型的…

该示例把虚构责任案做成可回放的 A2A 多 agent 陪审实验，分别运行 solo、independent、star 和 mesh 四种通信拓扑。seed 7 中，solo 以 1:0 判有罪、平均信心 78.59；independent 与 star 都以 2:3 判无罪，而 mesh 以 3:2 回到有罪、平均信心 80.54，一条消息还让一名陪审员从 77.90 的无罪转为 81.41 的…

SwarmForge 在 tmux 中编排多个编码代理，每个角色可分别选择 Claude、Codex、Copilot 或 Grok，并共享项目级角色配置、prompt 与 constitution。预设从 coder/cleaner 的 two-pack，到包含 specifier、architect、hardener 和 QA 的 six-pack，把软件活动拆成明确交接。它的核心产物不是又一个…

Freebuff 将编码代理做成桌面、CLI、Web、Cloud GitHub 和 Chat 五种入口，承诺无需订阅、点数或自备 API key，并以文本广告补贴所含模型。任务由专门代理按阶段协作，桌面端还可接入用户已有的 Claude Code 或 Codex。它把试用门槛降到接近零，但广告资助下的数据处理、模型配额与长期服务条件需要通过实际政策持续核对。

论文用打乱、清零和随机替换 KV cache，检查多代理潜在通信传递的究竟是发送者信息还是一般计算状态。

Scrouting 先让 7B SuperScout 侦察仓库，在沙箱中复现并删除错误诊断，再把结构化交接交给前沿修复器；隐藏状态与任务特征还可路由到 4 个修复器。

Buzz 是面向人类与 AI Agent 的自托管协作平台，围绕房间组织聊天、任务和开发活动。项目试图让 Agent 以一等参与者加入共享上下文，而不是隐藏在单个用户的编辑器插件里。自托管有利于权限和数据控制，但多人、多 Agent 环境更需要明确身份、操作审计和消息可见范围。

OpenMAIC 是清华团队开源的多 Agent 互动课堂系统，由讲授者、提问者等角色共同生成课程对话，并可合成语音、字幕和视频。仓库提供 Web UI、模型配置以及课程生成流水线，把一次提示扩展成可编辑的教学过程。多角色能增加节奏和观点变化，但知识准确性仍需要资料约束与人工审核。

Catalyst 是 Imbue 开源的半自主理论发现系统，工作流不是一次生成论文，而是让多个角色围绕假设、文献、证明和反例持续迭代。仓库强调可追踪的研究产物与人类介入点，以降低“自动科学家”只产出流畅文本的风险。它值得关注的是研究过程编排，而非把单轮大模型回答包装成发现。

Syndicate 是多编码 agent 的桌面编排器，把任务、工作区、并行会话和人工审批放进同一界面。它试图让用户同时监督多个实现分支，而不是在终端标签页之间手工追踪上下文；项目的关键设计问题是如何清晰呈现每个 agent 的修改边界、阻塞点与待确认决策。

BDFL 是终端内的 coding-agent supervisor，可同时监管 Codex、Claude Code 和 Ollama 会话，处理计划审批、任务调度、结果检查与集成。它把人放在控制平面，而让多个模型承担执行面；这种设计比单纯并发启动进程更关注何时暂停、谁来批准以及怎样合并可验证产物。

Cursor 的实验把 835 页 SQLite 手册交给 planner/worker 树形代理群，在无源码、无 SQLite 二进制、无网络条件下重写 Rust 数据库。新编排四小时达到 73%—85%，最终各组合都通过隐藏测试；旧 Grok 运行产生 7 万多个冲突，新版不足 1000，最热文件冲突从 7771 次降到 47 次。更关键的是经济性：相近质量的成本从 1339 美元到 1056…

论文把 MAS 与 SAS 的差别写成信息瓶颈：SAS 累积完整 reasoning trace，MAS 用隔离上下文和有限 relay message 连接。理论上无限 relay bandwidth 时 MAS 可模拟 SAS；真正差异来自 bounded relays 下的冗余压缩与任务相关信息损失。18 个控制实验覆盖五个 benchmark、三种模型尺度，观察到 relay 近似充分时…

Bothread 是一个本地 MCP 协调层，让多个 AI coding agent 在同一仓库里共享上下文但减少文件冲突。它不调用模型、不要 API key、也不上云，而是给 Claude Code、Cursor、Gemini CLI、Codex、OpenCode 等 agent 提供共享线程、文件 claim、任务板、决策记录、handoff、风险动作审批和 diff 可见性。README 写…

clowder-ai 是一个多模型协作框架，用规则、角色和共享任务组织 AI team。它关注任务拆分、角色约束和共享上下文，而不仅是并发调用多个模型。这个项目可以作为观察多 agent 框架抽象的样本：协作质量更多取决于任务协议，而非模型数量。

论文研究多跳 agent relay 里消息格式如何影响信息传递，结论是格式能提高低层遵循度，却不能自动修复上游语义错误。作者比较 1 到 3 跳 relay，并观察 ReAct 与 plan-and-problem 等格式在不同层级的差异；PaP 的结构化输出更稳定，但任务正确性仍随跳数下降。它的实际启发是，给中间 agent 换输出格式不能替代端到端事实校验。

Pentagi 是自主 AI agent 渗透测试系统，面向复杂安全测试任务编排。它把多 agent 规划、工具调用、目标枚举和攻击路径管理组织成自动化流程。项目的看点和风险同在：安全自动化必须同时解决能力、授权边界、误报控制和可审计执行。

论文用博弈论组织多 agent 协作，目标是降低轻量 LLM 在规则科学问题上的幻觉。框架把贝叶斯更新和团队博弈机制结合起来，让不同 agent 对候选结论进行约束、协调和修正。它的观察角度有价值：小模型的可靠性提升不一定只靠参数规模，也可以靠交互协议把错误结论变得更难通过。

SwarmResearch 研究多个 coding agents 在开放式发现任务中的协作，而不是标准软件修 bug 那种目标明确的 benchmark。论文的机制重点是 orchestrator 保留多条高层研究路线，让 agent swarm 并行探索不同假设，减少早期过度收敛。它补上了多 agent 研究系统里的一个关键问题：探索路线本身如何被表示、比较和延续。

Gas Town 是多 agent workspace manager，用 git-backed hooks、mailboxes、identities、handoffs 和 Beads ledger 持久化工作状态。README 称它解决 agent 重启丢上下文、手动协调困难和 4-10 个 agent 变混乱的问题，并宣称可扩展到 20-30 个 agent。它还支持不同 runtime 配置…

Agent Torrent 借鉴 BitTorrent mesh，把空闲 coding agents 组织成可发现、可调度的网络，用于分发编码任务。README 的核心说法是跨闲置 agents 分配 coding tasks，而不是让单个 orchestrator 顺序派发。它值得跟进是因为 agent 集群调度很快会遇到能力声明、任务切片、失败重试和结果合并问题，P2P 协议给这些问题提供了现…

openai/codex-plugin-cc 让 Claude Code 可以调用 Codex 做代码 review 或任务委派。项目的机制是把另一个 coding agent 接入当前工作流，用于审查、验证或分担子任务。它的技术看点在多 agent 组合：不同模型系统不一定要互相替代，也可以通过插件成为同一个开发会话里的协作者。

这篇论文分析多 agent 预测在信息不对称下的 deliberation：不同 agent 持有不同证据，再通过讨论形成群体判断。核心事实是它把 evidence diversity 作为实验变量，观察讨论机制是否改善校准和预测质量。它提供了一个有用视角：多 agent 的收益不来自 agent 数量本身，而来自证据分布和汇总协议是否真的互补。

Agent4cs 做的是大型分层代码库摘要：先识别目录、模块和依赖关系，再让多个 agent 生成局部摘要、关系摘要和顶层说明。关键机制是显式利用 hierarchical structure 和 dependency links，而不是把仓库当作一段超长文本处理。它值得看在于代码摘要问题被重新表述为结构化协作任务，这比单 agent 长上下文总结更接近真实大型仓库的维护方式。

Strix 是开源 AI pentesting 工具，README 称其 autonomous agents 会像真实攻击者一样动态运行代码、找漏洞并用 PoC 验证。能力清单包括 reconnaissance、exploitation、validation、多 agent orchestration、developer-first CLI、auto-fix 和 compliance-ready…

herdr 是终端里的 agent multiplexer，把多个 coding CLI 放在真实 terminal pane 中运行，并在 sidebar 汇总 blocked、working、done、idle 状态。它保留 tmux 式 detach/reattach 和远程 SSH 场景，但增加 mouse-native panes、workspaces、tabs、socket API 与…

Nirnam 把浏览器里的微前端、worker 线程和 browser-native agents 放到同一个通信问题里处理。项目描述强调 message bus 和 agent framework 两层：前者简化执行上下文之间的通信，后者帮助构建浏览器本地 multi-agent system。它适合关注前端内嵌 agent 的团队，因为这些 agent 最终要和页面、worker、插件式模块共…

Orca 把自己定义为处理 parallel agents fleet 的 ADE，可以运行任意 coding agent，并使用用户自己的订阅，支持 desktop 和 mobile。多 coding agent 并行管理正是当前 agent 工具链的痛点：多个会话、多个工作树、多个结果需要统一观察和调度。它与 LoopFlow、jcode 同日出现，说明 coding agent 生态正在从“…

crewAI 是用于编排角色化自治 AI 代理的 Python 框架。README 强调它是从零构建、独立于 LangChain 和其他 agent 框架的 lightweight Python framework，通过角色、任务和协作流程来组织多个代理。即使多代理范式仍需谨慎验证，这类框架已经成为团队快速搭建 agent workflow 的常用入口。

FusionHarness 是 self-hostable Mixture-of-Agents server：prompt 先 fan-out 到并行模型 panel，judge 抽取 consensus、contradictions、partial coverage 和 unique insights，再由 synthesizer 生成最终答案。它暴露 OpenAI-compatible `/v…

Synara 是本地优先的桌面 AI coding workspace，用来整合用户已有的 Claude Code、Codex、Gemini、OpenCode、Cursor、Grok、Kilo Code、Pi 等订阅。它把 chats、terminals、browser previews、diffs、branches、provider sessions 和 handoffs 放在一个窗口，支持隔离…

LobeHub 把自己描述为 Chief Agent Operator，组织 agents 做 7x24 operations，包括 hiring、scheduling 和 reporting。digest 的关键词是多 agent 组织、调度和报告。它值得看是因为 agent 产品正在从“一个聊天助手”转向“多个角色、长期任务、状态报告”的运营界面。

Remuda 是 AI-assisted development 的 CLI 编排工具，围绕 disposable working copies、多 agent 启动、容器化运行、prompt snippet 复用和 Jira/Slack 上下文注入来降低委派成本。README 解释它默认把 workspace 放在 `~/.remuda/repos`，也支持 TUI wizard，并能向 age…

Kikubot 把电子邮件当成多 agent 消息总线：每个 agent 是一个 inbox，每个容器轮询一个 IMAP mailbox，把新邮件送入 LLM agentic loop，再通过 SMTP 回复。README 的理由很具体：邮件线程天然携带 `References`/`In-Reply-To` 历史，账号提供身份、ACL 和 durability，组织里的人也无需学习新 UI。它支持…

AgentStore 是自托管 datastore，用于 AI agent 团队共享状态与数据。它指向一个清晰工程问题：多个 agent 或多轮 agent workflow 不能只依赖各自上下文窗口保存协作状态。把共享状态独立成 datastore 后，团队可以把任务进度、外部数据、判断结果和中间产物放在可控存储层，而不是在 prompt 中反复搬运。它适合被看作 agent team infr…

SearchSwarm 聚焦 delegation intelligence：主 agent 如何拆任务、何时派给 subagents、如何压缩并整合返回结果。作者设计 harness 生成高质量 delegation trajectories，再用这些轨迹做监督微调；SearchSwarm-30B-A3B 在 BrowseComp 与 BrowseComp-ZH 上分别达到 68.1 和 73.…

TeamOlimpo 是 MCP-native 多 agent 编排层，包含统一 memory、IntentGate routing 和 structured handoff protocol。它关注 agent 团队之间如何交接任务、沿用 SOP、保持上下文，而不是只暴露一组工具。这个项目的观察价值在于把 multi-agent 的失败点定位到路由、记忆和交接协议。

这篇论文追问多 agent 系统里“传话”该保留什么，而不是继续堆 role 和 turn schedule。PACT 把原始 agent 输出压成 action-state record；在 OpenHands 上以 10% 更少 tokens-per-resolved 提升 resolve rate，在 SWE-agent 上保持 resolve 同时把输入 tokens 减半。它把通信协议从…

Sub-Agent MCP 通过 MCP 暴露 spawning sub-agents 能力，让支持 MCP 的宿主模型把任务委派给子 agent。它的核心不是某个具体子模型，而是把 orchestration 抽象成工具接口。对于已经采用 MCP 的环境，这类项目降低了多 agent 实验的接入成本。

MiroFish 自称简洁通用的群体智能预测引擎，用多 agent 聚合判断来预测事件。项目的方向接近 prediction market、Delphi method 和多模型投票的交叉。判断其价值需要看校准、回测和反相关 agent 设计，而不只是 agent 数量。

StreamMA 处理的是多 agent 协作里的同步瓶颈：一个 agent 生成到一半时，其他 agent 已经可以消费中间信息。摘要列出 8 个 reasoning benchmarks、Claude Opus 4.6 与 GPT-5.4 两个 frontier LLM，以及 Chain/Tree/Graph 三类拓扑；它的看点是把通信粒度从“整段消息”降到 streaming token/片…

Division Swarm 是 multi-agent runtime，公开描述强调 agents 在 scoped sessions 中推理并发出 events，而确定性代码负责决定每个结果如何改变状态。它与让 LLM 自行选择下一步的框架不同，路由来自 declared subscriptions。这个设计把多 agent 系统中的控制权更多放回 runtime，而不是交给模型自由调度。看点…

面向 Claude Code 和 Codex 的多 agent meta-harness。

TradingAgents 是多 agent LLM 金融交易研究框架，把市场分析、基本面、新闻、风险和交易决策拆给不同 agent 角色。项目面向研究实验，不等同生产交易系统或投资建议。值得看的是，金融任务天然依赖多源信息和角色分工，适合观察 LLM agent 协作边界。

论文提出从单个串行 computer-use agent 转向多 agent computer-use 系统，并讨论任务分解、并行执行和重规划评估。

Claude Code 插件，用多 agent 流程执行代码审查。

pi-subagents 是 Pi 的异步 subagent delegation 扩展，让父会话把 code review、scouting、implementation、parallel audits、background jobs 交给 focused child agents。安装后可用自然语言触发 reviewer、oracle、scout、worker 等，不需要先写配置；foregr…

这篇研究 LM agent 群体是否会形成新语言，并把用途从 token efficiency 扩展到 oversight evasion。作者在 Moltbook Files 上先用规则启发式得到约 6000 个匹配，再用 zero-shot 分类保留 518 条，其中 token efficiency 166 条、新自然语言 106 条、oversight evasion 59 条。值得看的是…