专题：multi-agent

本文系统梳理了五种主流多智能体协作模式：中心化调度、分布式协商、层级指挥、共享黑板和基于大语言模型的协同，详细阐述了每种模式的工作原理、优势与局限，并提供了针对不同业务需求的选型建议和实际升级路径，帮助开发者快速匹配合适框架并实现平滑迁移。

Anthropic推出多代理编程工具Harness，通过代理协作重构AI开发流程。该产品支持代码生成、任务分解等核心功能，可提升开发效率并优化代码质量。其多代理架构设计和API集成能力是主要亮点，适用于自动化测试、代码审查等场景。

Google 开源了 Scion——一套面向多智能体系统的编排与测试平台。它提供分布式调度、统一的 Agent Runtime、声明式测试用例和完整的可观测性栈，支持本地、Kubernetes 以及云原生部署。通过插件机制可接入各类大模型，帮助研发者快速搭建、扩展和评估多智能体协作方案。

Druids 是一个开源库，提供事件驱动、沙箱化的多智能体工作流平台。开发者用 Python 定义智能体角色和交互，系统自动配置虚拟机并通过代理令牌管理通信与权限。它解决了智能体交互逻辑频繁改动的问题，支持并行运行、代码审查、渗透测试等自动化场景，具备良好的可扩展性和安全隔离。

GitHub Copilot CLI 新增 /fleet 功能，支持多代理并行处理任务。通过后台协调器拆分工作项，实现代码重构、测试更新和文档维护等多目标同步执行。核心亮点包括任务分解逻辑、独立文件路径管理、调试工具支持，为开发者提供更高效的协作开发方案。

小沓AI・智能营销产品在2026GDPS大会发布，聚焦AI时代品牌营销变革。产品通过Multi-Agent架构、AI逆向解析与RAG内容生成，实现从洞察、内容生成到流量转化的全链路闭环，助力品牌在AI问答入口中建立影响力。

Kensho利用LangGraph构建多智能体框架，解决金融数据检索的可信性与效率问题。通过统一接口整合结构化数据与生成式AI，实现查询路由、子查询拆分及响应聚合。核心亮点包括自定义数据协议、分离数据路由与检索层、以及基于LangGraph的可观测性与评估机制，提升金融AI应用的可靠性与开发效率。

本文提出利用GAN架构构建多智能体系统，实现代码生成与评审的分离，提升代码质量。通过生成器与判别器的对抗性反馈循环，系统能够在迭代中持续优化。文章结合Claude Forge项目，展示了具体实现方法，并分析了成本、效率和实施细节。

Moda 为非设计师提供 AI 驱动的可编辑画布平台，核心采用 Deep Agents 多代理系统并通过 LangSmith 实现可观测性。平台通过 Design、Research、Brand Kit 三大代理协同工作，结合自定义上下文表示层，解决了视觉设计缺乏标准化抽象的问题，实现高质量、品牌一致的设计输出。未来将完善内存管理并迁移至新版 Deep Ag…

Anthropic推出Claude Cowork和Claude Code，扩展AI代理的桌面控制能力。多代理框架Hermes Agent等提升协作效率，但子代理仍存缺陷。Meta AI的Hyperagents/DGM-H技术融合RL与LM实现自我优化，WebArena-Infinity降低环境构建成本，推动代理技术向实用化发展。

Cursor Composer 2 基于开源模型 Kimi K2.5，因模型归属与许可证问题引发讨论。文章指出，二次微调和强化学习是提升模型适配性的主流手段，强调标注来源、合规许可的重要性。同时，Claude Code 与第三方工具及通讯平台的集成、LangChain 向多智能体系统的演进，展示了 AI 产品差异化的最新趋势。

Squad是一个开源AI协作工具，允许开发者在代码库中一键初始化多代理AI团队（前端/后端/测试），通过将决策与上下文写入代码库实现去中心化协调。其Drop-box模式、显式记忆和上下文复制设计，让AI代理能继承项目历史，自动分工、独立审查，大幅降低多代理开发的基础设施门槛。

本文介绍AI Agent架构在旅游规划中的应用，重点分析状态驱动与多智能体协作技术。通过实际案例展示了其在推荐、行程安排和资源分配中的价值，同时探讨了技术挑战与解决方案，具有较高的实践参考意义。

MiniMax M2.7是具备自我进化能力的SOTA开源模型，在SWE-Pro和Terminal Bench 2任务中分别达到56.22%和57.0%的性能表现。其核心优势在于：1）智能指数50分与GLM-5持平，但成本仅为1/3；2）通过递归机制持续优化技能与架构；3）支持Ollama Cloud等平台部署。小米MiMo-V2-Pro和Cartesia …

本文介绍了 Snowflake 与亚马逊云科技联合构建的多 Agent 分析中台和 ChatBI 架构，通过 NLP 和 ML 技术实现自然语言交互分析。核心亮点包括数据湖架构、多智能体协作、实时分析能力及行业应用案例，适用于企业级数据分析和决策支持场景。

TypeScript代理开发工具包（ADK）是一个开源框架，用于构建多代理AI系统。它采用代码优先方法，强调类型安全、模块化和部署兼容性，为开发者提供高效、可扩展的AI代理开发体验。

斯坦福大学推出首门AI软件开发课程，探讨初级开发者在AI时代面临的挑战，包括多Agent系统设计、代码库标准及‘无知无畏’的态度优势。课程内容聚焦技术实践与行业趋势，对开发者和研究者具有参考价值。

Claude Code更新取消Plan Mode，引入多Agent自主组队功能，提升代码生成的准确性和协作能力，适用于复杂任务处理，是AI Agent架构演进的重要一步。

OpenRA‑RL 是一款开源、可一键安装的本地 AI 代理专用 RTS 环境，支持模型实时获取游戏状态并下达指令。它解决了长时程奖励分配难题，为多代理强化学习提供可靠轨迹与奖励信号，并已集成 OpenClaw，零配置即可使用。未来将对接 OpenEnv、实现完整 RL 训练循环，并推出排行榜、模型对战等功能，帮助研究者在资源管理、空间推理等方面进行迁移学…

本期Import AI解析LLM多智能体推理机制、ChipBench芯片设计基准测试及华为AI芯片内核生成技术。核心发现包括：LLM在复杂问题中会构建多视角推理模型；现有AI模型难以胜任实际Verilog芯片设计任务；华为通过AscendCraft实现芯片内核自动化生成。研究揭示了AI在科研与工程应用中的潜力与局限性，强调需结合人类验证的必要性。