为什么多智能体火了？

多智能体系统（Multi-Agent Systems, MAS）是由多个具备自主感知、推理、决策和执行能力的智能体（Agent）组成的分布式计算系统，这些智能体通过标准化的通信协议和协作机制，共同完成单个智能体无法独立处理的复杂任务。

2026 年行业形成的共识定义为：

以大语言模型（LLM）为认知核心，通过分层记忆架构和标准化协议连接外部工具与知识源，具备角色分工、信息交互和集体决策能力的自主执行系统。

与传统软件系统和单智能体系统相比，多智能体系统具有三个本质特征：

1.5 主流开源多智能体框架对比与选型

2023 年以来，开源社区涌现出了大量多智能体框架。根据《多智能体框架怎么选我把 5 大框架翻了个底朝天》的综合对比，目前主流的框架包括 CrewAI、LangGraph、AutoGen 和 PraisonAI，它们在设计理念、适用场景和上手难度上各有侧重。

1.5.1 主流框架核心特性对比

第三章 多智能体系统的多种搭建策略研究

多智能体系统 (Multi-Agent System, MAS) 的搭建并非简单的智能体数量堆叠，而是一个涉及架构设计、通信协议、任务分配、冲突协调与资源调度的复杂系统工程。不同的业务场景对多智能体系统的要求存在显著差异：金融交易系统需要毫秒级响应与严格的风险控制，科研分析系统需要深度推理与多维度信息整合，而工业控制系统则强调高可靠性与实时性。本章将系统梳理当前主流的多智能体搭建策略，从核心维度分类、经典拓扑范式、任务特性适配、主流框架实践到工程化最佳实践，为不同场景下的多智能体系统构建提供全面的方法论指导。

3.1 多智能体搭建策略的核心维度与分类体系

多智能体系统的设计本质上是在 "自主性" 与 "可控性"、"并行效率" 与 "协调成本"、"灵活性" 与 "稳定性" 之间寻找最优平衡点。一个科学的搭建策略需要综合考虑任务复杂度、数据特性、资源约束、安全要求与可扩展性等多个维度。根据爱尔兰科克大学、韩国釜山国立大学及都柏林圣三一大学联合发表的综述论文《Multi-Agent Collaboration Mechanisms: A Survey of LLMs》，多智能体系统的搭建策略可以从协作类型、通信结构、协作策略与编排架构四个核心维度进行分类。

3.1.1 协作类型维度

协作类型定义了智能体之间互动的基本性质，是多智能体系统设计的首要决策点。根据博弈论与社会心理学视角，智能体间的协作可分为三种基本模式：

第四章 主流多智能体平台与框架对比评测研究

4.1 多智能体平台与框架分类体系

多智能体技术的快速发展催生了丰富多样的平台与框架生态。根据技术架构、协作模式和应用场景的不同，我们可以将当前主流的多智能体平台与框架划分为以下几大类别：

4.1.1 按技术架构分类

4.1.1.1 中心化架构框架

中心化架构框架采用单一的协调器或编排器来管理所有智能体的任务分配、通信和结果整合。这种架构的优势在于控制逻辑清晰、易于调试和管理，适合流程明确、任务可拆解的场景。

代表框架：

• LangGraph
  基于有向无环图 (DAG) 的多智能体编排框架，通过状态机管理智能体间的交互流程
• AutoGen
  微软开发的多智能体对话框架，支持灵活的对话模式和角色定义
• OpenClaw
  以主智能体为核心，支持动态生成隔离子智能体的框架

4.1.1.2 去中心化架构框架

去中心化架构框架中没有中央控制节点，智能体之间通过对等网络进行通信和协作。这种架构具有更好的可扩展性和容错性，适合大规模分布式场景。

代表框架：

• AgentVerse
  清华大学开发的通用多智能体平台，支持多种拓扑结构的智能体网络
• MacNet
  多智能体协作网，在有向无环图拓扑上部署智能体，支持大规模协同
• Shared State 模式
  基于共享状态的去中心化协作机制，智能体通过读写公共状态进行交互

4.1.1.3 混合架构框架

混合架构结合了中心化和去中心化的优势，在高层采用中心化协调，在底层采用去中心化协作。这种架构能够在保持可控性的同时，充分利用分布式计算的优势。

代表框架：

• Hermes Agent
  主智能体负责任务分解和协调，子智能体并行执行具体任务
• ChatDev
  模拟软件开发团队的多智能体系统，既有项目经理的中心化协调，也有开发者之间的直接协作

4.1.2 按协作模式分类

第五章 多智能体协作模式、机制与组织形态研究

5.1 多智能体协作的本质与核心价值

5.1.1 从单体智能到群体智能的变化趋势

人工智能的发展正在经历一场深刻的范式革命 —— 从追求单个模型的 "超级智能" 转向构建多个智能体协同工作的 "群体智能"。这一转变并非偶然，而是由单体智能的固有局限性和现实世界任务的复杂性共同驱动的。

单体智能体系统很快暴露出清晰的结构性边界。其一，单个智能体即便能够在局部任务上取得较好表现，但在任务链条延长后，仍容易受到幻觉、规划失误、上下文漂移以及错误自我强化等问题的影响。其二，许多真实任务天然具有分工属性，例如研究、规划、写作、编码、调试、评估与汇总，本身对应不同类型的认知动作；若由单个智能体同时承担全部职责，往往会导致角色混淆、目标切换频繁以及状态管理脆弱。其三，长任务高度依赖记忆管理与阶段控制，而现有大模型智能体在长期记忆与状态维持方面仍缺乏足够稳定的机制。

多智能体方法的核心并非机械地并置多个模型，而是将复杂任务重新表述为组织设计问题，即确定哪些主体参与、各主体承担何种职责、主体之间如何交换信息、判断与执行如何分配，以及系统如何在多个局部步骤之间维持整体一致性。就其本质而言，多智能体追求的并非单点能力的简单叠加，而是整体组织能力的构建。其理论基础也不再局限于单模型推理，而是进一步吸收了合作 AI、多智能体系统与集体智能等研究传统。

从技术条件看，多智能体在大模型时代重新受到重视，还有一个关键原因，即大模型首次为多个机器主体提供了统一且高层的自然语言接口。传统多智能体系统理论长期关注自治主体、协商机制与组织结构，但过去许多系统缺乏足够灵活的通信媒介。大模型的出现，使多个主体能够直接通过自然语言交换意图、状态、计划和反馈，从而显著降低协作组织的实现门槛。与此同时，大模型还具有较强的角色可塑性，能够通过提示词、工具绑定与上下文约束被塑造成研究员、程序员、批评者、裁判、经理等不同岗位角色。

5.1.2 多智能体协作的核心价值维度

多智能体协作系统通过合理的组织设计，能够实现单体智能体无法企及的能力边界，其核心价值体现在以下五个维度：

第六章 大模型驱动多智能体工程化落地与系统构建

6.1 多智能体系统的核心架构范式

多智能体系统的工程化核心不在于 "增加更多智能体"，而在于设计合理的协作机制。随着大模型能力的提升，多智能体架构已从早期的简单分工演进为多种成熟的设计范式。Anthropic 在《Multi-agent coordination patterns》一文中系统性总结了五种主流协作模式，这些模式并非互斥的架构选择，而是可以动态组合、逐步演化的工程工具。清华团队的研究进一步验证了这些模式在不同场景下的适用性，并提出了基于任务结构的模式选择方法论。

6.1.1 Generator-Verifier：可控的闭环优化

Generator-Verifier 是最简单也是最基础的多智能体协作模式，其核心思想是通过 "生成 - 评估 - 反馈" 的自反馈闭环来提升输出质量。该模式由两个角色组成：Generator 负责生成候选结果，Verifier 负责评估结果是否满足要求并提供改进反馈。整个过程重复进行，直到结果达到预设标准或达到最大迭代次数。

第七章 多智能体安全可信、现存痛点与未来发展趋势

7.1 多智能体系统的安全可信挑战与治理

多智能体系统通过多个专业化智能体的分工协作实现复杂任务目标，其自主性、分布式和动态演化特性在带来生产力飞跃的同时，也催生了前所未有的安全可信挑战。与传统软件系统和单体 AI 应用不同，多智能体系统的安全风险不仅来自技术本身的缺陷，还源于智能体之间的复杂交互、自主决策能力以及与物理世界和数字世界的深度融合。这些风险在金融、医疗、工业控制等高价值、高风险场景中尤为突出，成为制约多智能体技术大规模产业化落地的核心瓶颈。

7.1.1 技术安全风险

1. 188页PPT 智能体协作与多智能体产业全景洞察分析报告（2026）.pdf

2. 188页PPT 智能体协作与多智能体产业全景洞察分析报告（2026）.pptx

3. 10页_第一章 多智能体系统基础理论与技术体系.docx

4. 14页_第二章 多智能体系统典型行业案例及应用.docx

5. 23页_第三章 多智能体系统的多种搭建策略研究.docx

6. 35页_第四章 主流多智能体平台与框架对比评测研究.docx

7. 36页_第五章 多智能体协作模式、机制与组织形态研究.docx

8. 37页_第六章 大模型驱动多智能体工程化落地与系统构建.docx

9. 15页_第七章 多智能体安全可信、现存痛点与未来发展趋势.docx

10. 基于多传感器融合和多智能体协同的AI人工智能技术在智慧炼钢中的应用与实践—WATTMAN-马双.pptx

11. 5页-IJCAI一文读懂LLM多智能体.pdf

12. 5页-多智能体MultiAgent是什么.pdf

13. 5页-多智能体框架怎么选我把5大框架翻了个底朝天.pdf

14. 6页-6页-6C9U_灵快科技是一家多智能体AIGC产品及服务提供商，致力于为全球商家提供基于多智能体（Multi-Agents）和多模态技术的AGIC产品及服务商业计划书.pdf

15. 6页-工业互联网浪潮下的多智能体技术__与应用前景分析.pdf

16. 6页-基于递阶强化学习的多智能体AGV 调度系统 - 控制与决策.pdf

17. 6页-智能体社会多Agent协作的分工与博弈机制设计.pdf

18. 7页-Anthropic官方指南多智能体协作五大模式.pdf

19. 7页-聚焦Gartner2026技术图景行至智能多智能体军工DSLM赋能军事智能新生态.pdf

20. 7页-赛尔笔记多智能体协作机制.pdf

21. 9页-多智能体到底该不该建AnthropicCognition与LangChain的三种解法.pdf

22. 9页-多智能体系统为什么大多数都失败了而这三个成功了.pdf

23. 9页-序列多智能体强化学习算法.pdf

24. 10页-基于多智能体深度强化学习的无人艇集群博弈对抗研究.pdf

25. 11页-从Prompt到HarnessAIAgent四代工程化体系演进与三种智能体范式升级.pdf

26. 12页-清华团队Agent框架设计思路多智能体MultiAgent.pdf

27. 12页-专报基于认知涌现的智能化空战体系从垂直领域大模型构建到多智能体协同决策的跨域赋能研究.pdf

28. 13页-2026年AIAgent核心技术原理深度研究感知推理行动记忆四元架构与多智能体协作协议.pdf

29. 13页-Revo AI Agent智能体协作平台2025年商业计划书.pdf

30. 13页-博士论文Stanford2026协作AI智能体177页.pdf

31. 14页-1人+6个AI员工：我的OpenClaw 多员工Agent 协作搭建完整实践教程经验分享！.pdf

32. 14页-20250728-东吴证券-计算机行业深度报告：AI Agent，智能经济时代的生产力解压缩器.pdf

33. 16页-16页-面向医院场景的医疗AI企业，旨在通过通用人工智能与多智能体系统驱动的全流程诊疗体系 商业计划书.pdf

34. 16页-20250907-方正证券-专题报告：多智能体投资交易系统TradingAgents部署与应用——AI Agent赋能金融投研应用系列之一.pdf

35. 17页-Neumann-多智能体AI加密货币量化交易平台 商业计划书.pdf

36. 19页-20260429-国金证券-量化漫谈系列之二十一：Hermes Agent解析，自进化智能体与OpenClaw对比评测.pdf

37. 19页-论文解读多智能体协作方式综述.pdf

38. 20页-金融场景中的多智能体应用探索-陈鸿.pdf

39. 22页-20240115-多智能体交互模式示例：追上投资热点_基于LLM的产业链图谱智能化生成.pdf

40. 22页-20260324-国联民生证券-Agent专题报告：MiroFish实测，多智能体宏观与行业趋势推演.pdf

41. 22页-Agent专题报告-MiroFish实测：多智能体宏观与行业趋势推演-国联民生.pdf

42. 23页-20250623-中信建投-“逐鹿”Alpha专题报告（二十七）：多智能体投资决策框架.pdf

43. 26页-20260322-方正证券-专题报告：OpenClaw赋能金融投研应用进阶，多Agent协作、Token优化、Skills应用与开发——AIAgent赋能金融投研应用系列之四.pdf

44. 27页-多智能体系统设计范式Anthropic五种协作模式与工程落地.pdf

45. 29页-20260423-方正证券-AI Agent赋能金融投研应用系列之五：自进化AI智能体Hermes Agent，核心机制解析与金融投研深度应用.pdf

46. 31页-Nearby-LLM多智能体线下娱乐情绪商业平台 商业计划书.pdf

47. 35页-钱忱-大模型驱动的多智能体协同初探.pdf

48. 41页-HermesAgent实战多智能体协作与自进化落地企业场景.pdf

49. 42页-手把手搭建多智能体交易系统实现全流程智能决策.pdf

50. 51页-手把手教你使用OpenClaw搭建多Agents打造你的一人军团.pdf

51. 70页-苏震巍：协同研发的流程重塑：使用AgentManager打造多智能体Copilot.pdf

52. 71页-多智能体协调技术及其在协同式医疗诊断系统中的应用.pdf

53. 148页-20260415-清新研究-OpenClaw群虾研究报告：多智能体协作的不同模式、演进阶段与组织形态，分类学·演进模型·组织形态·跨平台通信.pdf

不断迭代更新中。。。一查就有。