LLM-based Multi-Agent Systems：多智能体系统，从基础到前沿（AAAI 2026 Tutorial）

1. 这波 LLM 多智能体究竟在“变什么”过去的多智能体系统Multi-Agent Systems, MAS研究常见关键词是博弈论、机制设计、多智能体规划与学习、协商与信誉、群体规范与涌现、沟通与协作、人机交互、对手建模、社会网络、仿真、以及形式化验证等。AAAI’26 的教程将这条“传统 MAS 主线”与近两年的“LLM 智能体agent浪潮”拼接在同一张路线图上LLM 不只是生成文本而是把自然语言理解/推理/规划/工具调用/记忆整合到一个可执行的“智能体控制器”里进而让“多智能体协作”从学术设定走向工程工作流与产品化场景。[PDF p.3–6]在该教程的定义里MAS 的核心是多个智能体在共享环境中共存并交互每个智能体拥有自己的观测、动作、目标与领域知识系统需要在合作、竞争或混合博弈的约束下协调行动以达成目标。[PDF p.5]图1 教程总览从 Foundations 到 Frontiers 的四段式结构AAAI’26 Tutorial PDF第2页2. 基础层把“多智能体”说清楚才能把“协作”做扎实2.1 MAS 的最小抽象主体、交互、共享环境教程用非常“工程友好”的方式重申 MAS系统里存在多个 agent它们在同一环境中做决策行动会互相影响因此单个 agent 的最优策略往往依赖他人策略。这种相互依赖决定了你不能只用单体决策MDP那套直觉而需要更一般的建模框架如 Markov Game / Dec-POMDP 等并面对联合动作空间指数增长、通信成本、信用分配credit assignment、以及可扩展性等问题。[PDF p.4–6, p.89]图2 多智能体系统示意AAAI’26 Tutorial PDF第4页图3 MAS 的关键特征共享环境、各自观测/动作/目标、需要协调AAAI’26 Tutorial PDF第5页2.2 规模效应从“两个 agent”到“很多 agent”的质变在多智能体场景里最“硬核”的瓶颈之一是联合动作空间joint action space随 agent 数量增长而指数膨胀。教程给出直观例子当 agent 数从 2 增加到 4联合动作数量会出现爆炸式增长从而带来训练/搜索成本飙升进而逼迫我们在架构与协调机制上做“结构化约束”。[PDF p.89]图4 多智能体扩展到多 agent 时联合动作空间指数增长AAAI’26 Tutorial PDF第89页3.智能体Agent在 LLM 时代的“新解法”M-P-T 三模块3.1 Agent LLM Memory Planning Tools教程把LLM agent 拆成三个模块Memory记忆、Planning规划、Tools工具并明确“工作记忆”对应上下文窗口。这个拆分和 Lilian Weng 的经典综述一致LLM 作为‘大脑’外接规划、记忆与工具使用组件。[PDF p.95Weng 2023]图5 LLM Agent 的三模块Memory / Planning / ToolsAAAI’26 Tutorial PDF第10页附近此处截图为第11页挑战页之前的脉络3.2 Planning从 CoT 到 ReAct再到“可执行动作”Planning 的目标不是传统意义的最优规划而是让模型在复杂任务中具备‘程序化的推理-行动控制’。在提示工程层面Chain-of-ThoughtCoT通过给出中间推理步骤示例让模型更容易分解多步问题ReAct 则将推理轨迹与可执行行动交织在一起让 agent 在外部环境/工具上“边想边做”降低纯推理带来的幻觉与误差传播风险。这些方法都属于训练前training-free的能力脚手架你不一定需要先做 RL 或大规模微调也能让 agent 在多步骤任务里更稳定。[Wei et al. 2022Yao et al. 2022]3.3 MemoryEpisodic / Semantic / Procedural 的分层视角在记忆侧教程采用认知科学的经典分层情景记忆episodic、语义记忆semantic、程序性记忆procedural。这套分层常用于解释为什么 agent 需要把短期上下文工作记忆与长期存储向量库、日志、工具调用轨迹结合起来才能在跨回合任务中保持一致性与可追溯性。[PDF p.95Tulving 1972Sumers et al. 2024]3.4 ToolsAPI、代码、搜索把语言模型接到“可验证世界”工具使用Tools包含 API 调用、代码执行、检索搜索等。教程特别强调当任务存在可验证的外部判据例如编译/单元测试/计算器验证可以把 reward 或评估从‘主观偏好’转为‘可验证信号’这会显著提升训练与迭代的可控性。[PDF p.116–120]4. LLM 多智能体工作流用图来组织协作用协议来减少混乱4.1 Workflow Graph把协作结构显式化教程用‘多智能体工作流workflow 图结构’来描述协作节点可以是 agent 或任务边表示信息流/通信执行可按轮次或异步推进图结构可以是静态或动态。这个表述很关键一旦把协作结构显式化你就可以讨论不同拓扑中心化、环形、全连接、消息总线等对吞吐、鲁棒性、权限边界和工程复杂度的影响。[PDF p.9–10p.168–170]图6 多智能体工作流以图结构组织 agent 交互AAAI’26 Tutorial PDF第9页4.2 典型挑战任务分解、委派、依赖管理教程在工作流层面列出挑战的第一条就是层级化任务分解与委派Hierarchical Task Decomposition and Delegation。其要点是复杂目标需要拆成可执行子任务同时要处理子任务间依赖拆分后要把任务委派给具备对应能力与工具权限的 agent再把输出汇总成可交付结果。[PDF p.11]图7 工作流挑战任务分解与委派AAAI’26 Tutorial PDF第11页4.3 结构范式中心化 Orchestrator vs 去中心化自演化网络在‘前沿’部分教程对比了预定义、多层级、中心化控制的工作流容易形成单点瓶颈与自演化、去中心化的 agent network。它给出若干结构示例中心化协调central agent hub、环形通信ring、全连接/部分连接网络mesh、消息总线bus等并讨论在隐私与敏感数据处理上如何把‘协调’与‘数据处理’拆开Orchestrator 负责路由与状态机不直接触碰敏感数据敏感数据由专门 agent 在边界内处理。[PDF p.168–171]图8 LLM-based MAS 的应用与结构入口页AAAI’26 Tutorial PDF第168页图9 典型拓扑中心化/环形/网状/总线AAAI’26 Tutorial PDF第169页5. 应用前沿从“协作做任务”到“社会仿真与科学协作”5.1 社会仿真让 agent 通过对话产生群体涌现教程把社会仿真作为重要应用之一多智能体社会模拟强调‘简单规则 动态交互 → 复杂社会模式’覆盖市场、交通、社会规范等领域。在 LLM 加持下agent 更像‘可交互的人类行为模拟器’具备语言推理与适应性行为群体现象可以通过对话互动自然涌现。[PDF p.164–165]5.2 AI Co-Scientist把多 agent 对齐到科学方法流程教程还提到AI Co-Scientist 作为多智能体系统形态之一它被描述为构建在 Gemini 之上的多 agent 系统用于镜像科学方法的推理过程帮助专家整理证据与改进工作定位为‘协作工具/虚拟科研合作者’。[PDF p.166–167]6. 从‘能跑’到‘能优化’多智能体后训练与强化学习信号设计6.1 先讲清楚 rewardRLHF vs RLVR在后训练post-training部分教程强调优先使用可验证奖励RLVR, Reinforcement Learning with Verifiable Rewards当你能写出确定性的 verifier如编译器、计算器、单测就把奖励做成 0/1 或可计算分数显著约束 reward hacking。相对的RLHF 依赖人类偏好数据训练 reward model成本更高也更容易出现智能体目标偏移。[PDF p.117]6.2 稀疏 vs 稠密PRM过程奖励模型的取舍教程给出奖励设计的工程规则通常正确性权重占70–90%模型会找捷径Goodhart 风险可以先从稀疏奖励起步必要时引入过程奖励模型PRM给每一步打分以降低梯度方差并支持早停但代价是需要更细粒度的标注。[PDF p.118–119]6.3 PPO vs GRPO基础设施成本与迭代速度在算法侧教程用一页对比PPO 与 GRPOGRPO 用组内均值奖励替代 learned critic省去 value function 训练通常更简单、更适合研究快速迭代如果不确定从 GRPO 开始是一个实用建议。[PDF p.119]6.4 规模与显存从 7B/8B 的快速迭代到 70B 的生产级训练教程给出‘模型大小阶梯’7B/8B1 张 GPU快迭代→ 14B1–2 GPU→ 32B4–5 GPU→ 70B8 GPU偏生产。并强调只有在有明显信号后再扩规模。同时给出训练显存的粗略估算全量 AdamW 微调时模型状态约 20 bytes/param 量级7B 已经需要多卡或做内存优化如 PEFT、ZeRO、分片等。[PDF p.121–123]7. 工程生态多智能体框架如何选型如果把LLM-based MAS 看成‘可组合的工作流系统’那么关键问题是你是否需要一个高层对话编排框架还是需要一个更底层、可控的状态机/图执行引擎。在开源生态里微软 AutoGen 提供多智能体对话编排抽象并在 2025 年宣布与 Semantic Kernel 方向合并为 Microsoft Agent FrameworkLangGraph 以“图”为基本执行单元构建长期运行、状态化 agentCrewAI 则强调轻量、角色化的多 agent 协作与可配置性。[AutoGen GitHubMicrosoft Agent Framework GitHubLangGraph GitHubCrewAI GitHub]8. 走向 Frontiers你可以把哪些问题当成下一阶段的研究/产品路线结合教程的‘基础—agent—多智能体—演示’结构可以把前沿问题落到更可操作的研发清单1协作结构静态工作流 vs 动态拓扑何时需要自适应重连与专家化2权限与隐私Orchestrator 与敏感数据处理解耦3可验证性把关键步骤接入 verifier 与可追溯日志4训练闭环优先 RLVR必要时 PRM选择 GRPO/PPO 并控制工程复杂度5评测与基准把任务分解质量、协作效率、鲁棒性、工具调用成功率做成指标体系并用真实工作流持续回归。[PDF p.168–175]学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】