很久没读过这么通透的 Agent 的文章了。

📌 一句话摘要

文章通过 EvoMap 的实验表明，让 Agent 以基因形式共享经验并采用去中心化的蜂群协作，可将同一模型的任务正确率从 26% 提升至约 71%。

📝 详细摘要

文章首先回顾了 Agent 在执行任务时经验难以传递的问题，接着介绍 EvoMap 将 Agent 运行中获得的有效经验提炼为类似基因的可流通资产的思路。随后分析了主 Agent 成为瓶颈的原因，并提出通过任务原子化、独立上下文以及让程序而非大模型负责结果汇总来减少信息损耗的 EvoX 蜂群方案，实验显示正确率从 26.29% 跃升至约 71%。进一步实验表明，当 Agent 能够看到彼此的专业侧重和历史正确率时，会自主选择更合适的合作伙伴，展现出自组织的潜力。作者认为，经验的传播与去中心化的自组织协作是 Agent 系统未来突破的两个关键方向。

💡 主要观点

- Agent 的经验可以被提炼为类似基因的可流通资产。 EvoMap 提出将 Agent 在执行过程中学到的有效经验上传到网络，其他 Agent 遇到类似问题时可直接继承，避免重复试错，使经验成为系统级别的资产。

主 Agent 成为多 Agent 系统的瓶颈，主要源于信息传递和结果汇总的损耗。 在 Sub-Agent 模式中，主 Agent 需要读取、理解并重新组织所有子 Agent 的报告，导致正确答案在传递过程中大量丢失，实验中正确答案的保留率仅为 55.5%。

EvoX 蜂群通过任务原子化、独立上下文和程序直收答案，显著提升正确率。 每个 Agent 只处理边界清晰的原子任务，使用独立上下文避免信息干扰，答案由程序按编号直接收集，免除二次语言转述，实验中正确率从 26.29% 提升至约 71%。

Agent 能够根据可见的专业表现和历史正确率自主选择合作伙伴，展现自组织潜力。 实验中，当 Agent 仅看到社交关系时倾向于熟人圈子；当能看到对方的能力和表现时，会主动连接更高正确率的 Agent，表明组织形态受可见信息引导。

💬 文章金句

- Agent 的经验，也可以成为一种能够流通的资产。

• 同一个模型，只是调整了组织和执行方式，正确率就从 26% 提升到接近 71%。
• 让 Agent 专心解题，答案由一段写死的程序按编号收集拼接，不做任何二次加工。
• Agent 的组织方式，会受到可见信息的影响。只提供关系信息，它们就容易找熟人。提供能力和历史表现，它们就会找更合适的合作对象。

📊 文章信息

AI 初评：85

来源：AI产品阿颖

作者：阿颖

分类：人工智能

语言：中文

阅读时间：19 分钟

字数：4676

标签： AI Agent, 多智能体协作, 经验传承, 自组织, 大模型

阅读完整文章