大家好，我是肆〇柒。LLM 多智能體系統在社會模擬和復雜任務解決這兩大領域大顯身手。在社會模擬里，它們精準地復刻人類社交互動模式，助力我們洞察群體行為背后的社會學；在復雜任務解決場景下，智能體們協同合作，先是制定詳盡規劃，再按部就班執行，輕松應對復雜局面。然而，現有系統并非盡善盡美。一方面，它們大多為特定領域量身定制，比如有的專注于社會交往場景模擬，有的僅能在軟件開發等狹窄領域發揮作用，缺乏跨領域的適應能力；另一方面，傳統的串行執行模式嚴重拖慢了解決問題的節奏，大量計算資源無端浪費；而且，多智能體協作的實際效果也常常不盡如人意，有時甚至不如單智能體來得高效。

復旦大學推出的 AGENTGROUPCHAT-V2 框架，以獨特分治并行架構與自適應協作引擎，為 LLM 多智能體系統協作難題提供創新解法。

Qwen2.5-72B 和 Llama3.1-70B 模型性能對比

如上圖所示，AGENTGROUPCHAT-V2 在常識推理、特定領域知識、結構化文本理解、數學推理和代碼生成這五個不同領域中，無論是基于 Qwen2.5-72B 還是 Llama3.1-70B 模型，均展現出卓越的性能表現，持續超越現有的多智能體方法和基線方法，充分證明了多智能體方法在解決復雜問題上的優勢。這一優勢不僅體現在高準確率上，還展現了其在多變任務場景下的穩定性和可靠性，為解決復雜問題提供了新的思路和強大工具。下面一起來了解以下這個框架。

AGENTGROUPCHAT-V2 的核心創新

分治并行架構

分治并行架構是 AGENTGROUPCHAT-V2 的強大引擎。系統先將用戶復雜查詢拆解為層次分明的任務森林結構，清晰梳理出各任務依賴關系，實現分布式并行處理。這種架構的核心架構由三個關鍵模塊構成：查詢管理器、任務管理器和組管理器。查詢管理器作為系統的 “前哨站”，時刻準備接收用戶五花八門的查詢請求，經初步處理后傳遞給任務管理器；任務管理器則如同 “中軍帳”，全面掌控任務執行流程，妥善分配任務，管理任務間的錯綜復雜關系；組管理器負責調用大型語言模型，組織智能體展開高效協作，針對具體任務發起并行處理，三個模塊相互配合，讓系統在分布式集群部署環境下，最大化地提升了處理效率，減少了資源浪費。例如，面對開發大型軟件項目的任務，查詢管理器接收任務后，將其細分為需求分析、模塊設計、編碼實現等子任務；任務管理器根據各子任務的優先級和依賴關系，合理安排執行順序；組管理器則根據任務特點，選擇合適的大型語言模型，組建智能體團隊，讓它們并行處理不同模塊的設計與編碼工作，大幅縮短了整個項目的開發周期。

自適應協作引擎

自適應協作引擎賦予了 AGENTGROUPCHAT-V2 靈動的協作能力。根據任務的性質、難度和領域等特征，系統自動匹配不同 LLM 組合，靈活切換交互模式。在任務級，針對復雜任務，系統將其層層拆解，為每個子任務挑選最擅長的 LLM；在執行級，各智能體依據自身 LLM 特性，有的負責邏輯推理，有的專注數據處理，還有的擅長創意構思，它們相互配合，優勢互補。例如，在一場科研協作中，面對跨學科難題，系統會為理論推導部分調用邏輯推理型 LLM，為實驗設計調用創意型 LLM，為數據分析調用統計分析型 LLM，它們通過有序協作，快速攻克難關。具體來說，系統會預先根據任務類型和需求，從模型庫中篩選出符合要求的 LLM 候選名單，再依據任務的實時反饋和智能體協作效果，動態調整 LLM 組合，確保任務執行的高效性和精準性。

與傳統的集中式多智能體架構相比，AGENTGROUPCHAT-V2 的自適應協作引擎在任務分配上更加靈活高效。集中式架構中，存在一個中央控制器負責所有任務分配和資源調度，一旦中央控制器出現故障，整個系統可能癱瘓。而 AGENTGROUPCHAT-V2 的自適應協作引擎采用分布式任務分配機制，任務管理器和組管理器協同工作，將任務動態分配給最適合的智能體組，可以提高了系統的容錯性，同時還能根據智能體的實時負載情況進行資源調度優化。例如，在處理高并發任務時，組管理器可以動態調整智能體的數量和資源配置，確保系統整體性能不受影響。

智能體組織優化策略

智能體組織優化策略是 AGENTGROUPCHAT-V2 的 “點金術”。系統將分治理念融入智能體協作，給每個智能體精準分工，使其心無旁騖地專注于特定任務領域。通過科學的任務分解和智能體組合，復雜任務被化繁為簡，智能體們各自發揮專長，極大提升了整體協作效能。比如在智能教育系統中，系統將教學任務分解為知識點講解、習題批改、學習路徑規劃等子任務，分別由擅長教學的智能體、細致批改的智能體和熟悉教育心理的智能體負責，它們分工協作，為學生提供全方位的優質教育服務。在實際任務中，系統會根據任務的復雜程度和領域特點，制定詳細的智能體分工方案，明確每個智能體的職責范圍和工作流程，確保協作過程有條不紊。

AGENTGROUPCHAT-V2 的框架架構

查詢管理器（Query Manager）

查詢管理器作為系統的 “門面擔當”，肩負著與用戶直接對話的重任。它利用大型語言模型的強大語義理解能力，精準剖析用戶原始查詢，將其轉化成系統內部可操作的任務樹結構。比如，用戶咨詢 “如何在一個月內學會一門新編程語言”，查詢管理器迅速拆分出語言基礎學習、實踐項目操練、社區交流互動等子任務，再傳遞給任務管理器，待任務完成后，又將各子任務結果整合成一份完整的學習計劃，用通俗易懂的語言呈現給用戶。在任務拆解過程中，查詢管理器會參考大量的語言模型知識庫和語義分析算法，確保每個子任務都準確契合用戶需求。

如下圖所示，AGENTGROUPCHAT-V2 框架由三個主要組件構成：查詢管理器、任務管理器和組管理器。該框架展示了從用戶查詢處理到任務分解和管理，再到多智能體群組聊天執行的完整工作流程，箭頭指示了組件之間的數據流向。任務森林可視化展示了查詢是如何轉化為層次化的任務結構，其中已解決節點為棕色，未解決節點為黃色，而組管理器中并行進行多智能體群組聊天。

AgentGroupChat-V2 框架結構

查詢管理器在將用戶查詢轉化為任務樹結構時，采用了一種基于深度優先搜索（DFS）和廣度優先搜索（BFS）相結合的混合策略。對于具有明確層次結構的查詢，如軟件開發項目，查詢管理器會先采用 DFS 策略，從頂層任務開始，逐步深入到各個子任務，直到將整個項目分解為一系列基本任務單元。而對于一些需要橫向擴展的查詢，如市場調研任務，查詢管理器則采用 BFS 策略，先列出所有一級子任務，再逐步細化每個子任務下的二級任務，確保任務分解的全面性和系統性。這種混合策略能夠兼顧任務分解的深度和廣度，為后續的任務執行提供清晰準確的任務樹結構。

任務管理器（Task Manager）

任務管理器是系統里的 “大總管”，憑借 CPU 的強大算力，對任務流實施全方位管控。它負責維護整個任務森林的全局狀態，時刻掌握各任務樹的執行進度。在收到來自查詢管理器的任務樹后，它依據任務的優先級、緊急程度和資源需求等因素，制定任務分配策略。對于存在層級關系的任務，它確保子任務的結果能及時回傳給父任務，為父任務的順利執行提供有力支撐；對于相互獨立的任務，它則迅速將它們分派給組管理器，開啟并行處理模式，提高任務執行效率。在大型電商促銷活動籌備工作中，任務管理器協調商品上架、庫存管理、營銷活動策劃等多項任務，保障整個活動的高效推進。在任務分配時，任務管理器會運用先進的調度算法，綜合考慮任務的依賴關系、執行時間和資源占用等因素，力求達到最優的調度效果。

任務管理器采用了多種調度算法來優化任務分配和執行。對于具有嚴格先后順序的任務鏈，任務管理器采用關鍵路徑法（CPM）來確定任務的執行順序，確保關鍵路徑上的任務能夠按時完成，從而保證整個項目進度不受影響。對于可以并行執行的任務組，任務管理器則采用動態優先級調度算法，根據智能體的實時負載情況和任務的緊急程度，動態調整任務的優先級，將高優先級任務分配給負載較輕的智能體，從而實現資源的最優利用。此外，任務管理器還會定期對任務執行情況進行監控和評估，對于執行緩慢或出現異常的任務，及時進行調整和優化，確保任務管理的高效性和穩定性。

任務管理器和組管理器模塊的詳細實現

組管理器（Group Manager）

組管理器是系統里的 “執行先鋒”，一接到任務，它立馬著手挑選大型語言模型作為智能體的 “大腦”，依據任務的不同需求，為智能體配置工作空間、分配對象資源，并合理調度計算資源。它可以靈活擴展多個實例，實現并行運行，輕松駕馭多個智能體團隊，讓系統計算資源得到充分利用。以智能客服系統為例，當面對客戶咨詢產品性能、售后政策和投訴處理等多方面任務時，組管理器迅速組建多個智能體小組，有的負責查閱產品文檔解答性能問題，有的依據政策文件回復售后條款，有的專注安撫客戶情緒處理投訴，各個小組齊頭并進，快速提升客戶服務效率。在智能體團隊組建過程中，組管理器會根據任務的特性和模型的性能特點，為每個智能體匹配最適合的大型語言模型，并分配合理的計算資源，確保智能體能夠高效運行。

組管理器在智能體團隊的組建和管理過程中，采用了一系列優化策略來提高協作效率和資源利用率。首先，組管理器會根據任務需求和智能體的角色分配，為每個智能體預分配一定量的計算資源，如 CPU、內存和網絡帶寬等。在任務執行過程中，組管理器會實時監控智能體的資源使用情況，對于資源使用率較低的智能體，及時回收部分資源并重新分配給其他急需資源的智能體，從而實現資源的動態平衡和優化利用。其次，組管理器還會根據智能體之間的協作關系，優化智能體的通信拓撲結構。例如，對于需要頻繁交互的智能體，組管理器會將它們部署在同一臺服務器或同一網絡子域內，減少通信延遲，提高協作效率。此外，組管理器還會采用負載均衡策略，將任務均勻分配給各個智能體團隊，避免出現某些智能體團隊過載而其他團隊閑置的情況，從而確保整個系統的高效運行。

小組聊天（Group Chat）設計

任務（Task）

在 AGENTGROUPCHAT-V2 系統中，任務是處理的基本單元，有著嚴謹的結構定義。每個任務都包含任務 ID、描述信息、父任務關聯、子任務集合以及處理結果這些關鍵要素。任務在系統中按照既定規則經歷狀態轉換：從初始的未分配資源的創建狀態，到等待依賴任務完成的待命狀態；從分配到組管理器開始執行的激活狀態，再到成功產出結果的完成狀態或因錯誤而終止的失敗狀態。例如，在開發一款移動應用的任務樹中，父任務 “界面設計” 下會有子任務 “登錄界面設計”“首頁布局規劃” 等，各任務按照狀態轉換流程逐步推進，直至整個應用界面設計任務圓滿完成。在任務狀態管理方面，系統會實時監控每個任務的執行情況，及時處理可能出現的異常狀態，確保任務能夠順利推進。

任務的狀態轉換過程可以用一個狀態機模型來描述。每個任務初始時處于創建狀態（Created），此時任務已由查詢管理器生成，但尚未分配執行資源。當任務管理器為任務分配了執行資源后，任務進入激活狀態（Active），開始由組管理器負責執行。在執行過程中，任務可能會因為等待其他任務的結果或資源不足等原因進入待命狀態（Pending）。如果任務執行成功，它將進入完成狀態（Completed），并將結果傳遞給父任務；如果任務執行過程中出現錯誤，如智能體崩潰、通信超時等，任務將進入失敗狀態（Failed），此時任務管理器會根據錯誤類型和任務重試策略決定是否重新調度任務。任務狀態轉換的公式可以表示為：

小組（Group）

小組是多智能體協作的 “作戰單元”，由組管理器創建和管理。它包含進度標識符、參與智能體列表、關聯任務 ID 和相關資源等豐富信息。組管理器根據任務要求，為小組內的智能體分配各具特色的角色、專屬工作空間、詳細對象信息以及用于記錄互動歷程的歷史字段，從而實現智能體間多彩多姿的高效協作。比如在智能建筑設計小組中，有負責結構設計的智能體、專攻暖通空調設計的智能體、擅長電氣系統規劃的智能體等，它們在組管理器的指揮下，攜手打造出節能環保的智能建筑方案。在智能體角色分配時，組管理器會根據任務需求和智能體的能力特點，為每個智能體制定最合適的工作角色，充分發揮其專業優勢。

小組的協作效率不僅取決于智能體的角色分配，還與智能體之間的通信和交互機制密切相關。在 AGENTGROUPCHAT-V2 系統中，小組內的智能體通過消息傳遞機制進行通信。消息傳遞協議采用了一種基于發布 - 訂閱（Publish - Subscribe）模式的通信機制。每個智能體可以向組管理器發布消息，也可以訂閱其他智能體發布的消息。組管理器作為消息的中轉站，負責將消息按照預定的規則路由到相應的智能體。這種通信機制能夠有效減少智能體之間的直接通信開銷，提高系統的可擴展性和可靠性。例如，在一個由 10 個智能體組成的協作小組中，如果每個智能體都與其他 9 個智能體直接通信，那么總共需要維護 90 條通信鏈路。而采用發布 - 訂閱模式后，每個智能體只需與組管理器進行通信，通信鏈路數量減少到 20 條（每個智能體向組管理器發布消息和訂閱消息各一條），大大降低了系統的通信復雜度。

小組環境配置（Group Environment Configuration）

小組環境配置是智能體協作的 “起跑線”，涵蓋了進度 ID、關聯任務 ID、參與智能體及其發言順序、共享資源等關鍵要素。組管理器依據任務需求，在眾多大型語言模型中精挑細選，為每個智能體挑選出最適合的推理引擎，并為其量身定制角色和資源分配方案。在智能新聞報道小組的環境配置中，會有 “新聞撰寫智能體”“事實核查智能體”“排版設計智能體” 等不同角色，它們按照既定的發言順序和分工，在共享的新聞素材資源庫中各司其職，高效產出優質的新聞報道。在環境配置過程中，組管理器會充分考慮智能體協作的效率和資源利用率，科學合理地分配各類資源，為智能體協作創造良好的條件。

在小組環境配置中，共享資源的管理是一個關鍵問題。共享資源包括數據文件、知識庫、中間結果等，多個智能體可能會同時訪問這些資源。為了保證數據的一致性和完整性，組管理器采用了資源鎖定和版本控制機制。當一個智能體開始訪問共享資源時，組管理器會對該資源進行鎖定，防止其他智能體同時修改。在智能體完成對資源的訪問后，組管理器會解除鎖定，并根據需要更新資源的版本信息。此外，組管理器還會定期對共享資源進行備份和恢復操作，以防止數據丟失和系統故障對協作過程的影響。例如，在一個需要多個智能體共同編輯同一文檔的任務中，組管理器會記錄每個智能體對文檔的修改時間和內容，當出現沖突時，根據預先定義的沖突解決策略（如時間戳優先、智能體優先級等）進行自動合并或提示智能體進行手動解決，確保文檔的最終一致性。

小組聊天編排（Group Chat Orchestration）

小組聊天編排是智能體協作的 “指揮棒”，通過如下算法 1 描繪出小組聊天從開始到結束的完整路徑。系統接收最大行動輪數、參與智能體列表和初始環境狀態等輸入參數后，智能體們依次在每輪行動中感知環境、做出決策、執行交互并更新環境。每輪對話結束后，系統都會生成對話摘要，實時監測任務是否達成，一旦任務完成，便火速返回結果。例如在智能旅游規劃小組聊天中，各智能體圍繞用戶需求，依次分享旅游資源信息、規劃行程路線、推薦酒店美食，隨著對話輪次推進，逐步打磨出一份完美的旅游攻略。在對話管理方面，系統會根據任務的復雜程度和智能體協作情況，動態調整對話流程，確保對話能夠高效有序地進行。

小組聊天編排的算法可以通過偽代碼進一步詳細描述如下：

Algorithm 1: Group Chat Orchestration
Input: max_action_turns, agent_list, initial_environment
Output: final_environment, task_result
Begin
    env ← initial_environment
    for turn = 1 to max_action_turns do
        for agent in agent_list do
            perceived_env ← agent.perceive(env)
            action ← agent.decide_action(perceived_env)
            updated_env ← agent.execute_action(action, perceived_env)
            env ← updated_env
        end for
        discussion_summary ← SummarizeDiscussion(env)
        if CheckTaskCompletion(env) then
            return env, ExtractTaskResult(env)
        end if
    end for
    return env, ExtractTaskResult(env)
End

在每輪對話中，智能體首先感知當前環境狀態，然后根據感知信息做出決策，執行相應的交互動作，并更新環境狀態。環境狀態的更新包括對話歷史的記錄、任務進度的更新以及智能體內部狀態的調整等。通過這種方式，智能體之間的對話能夠逐步推進任務的解決。此外，系統在每輪對話結束后都會對對話內容進行總結，生成討論摘要，用于判斷任務是否完成。如果任務完成，系統會立即返回結果，避免不必要的對話輪次，提高協作效率。

智能體交互（Agent Interaction）

智能體交互是小組聊天的 “活力源泉”，如下算法 2 演示了智能體交互。無論是面向全體的廣播消息，還是點對點的定向交流，智能體都能根據任務需求靈活切換。發起智能體先生成初始消息，若目標是全體成員，便直接記錄廣播消息；若是特定對象，便開啟雙智能體的輪流向對話模式，直至達到最大輪數或一方主動結束對話。在智能醫療診斷小組中，智能體們通過精準的定向交互，快速交換患者癥狀、檢查報告等關鍵信息，共同為患者制定精準的治療方案。在交互過程中，智能體會根據對話內容和任務需求，動態調整交互方式和策略，確保信息能夠準確有效地傳遞。

智能體交互的算法偽代碼如下：

Algorithm 2: Agent Interaction
Input: sender_agent, receiver_agent, message, max_chat_turns
Output: dialogue_history
Begin
    dialogue_history ← []
    if receiver_agent is AllGroupMembers then
        broadcast_msg ← sender_agent.generate_message(message)
        Add (sender_agent.id, receiver_agent, broadcast_msg) to dialogue_history
        return dialogue_history
    else
        current_sender ← sender_agent
        current_receiver ← receiver_agent
        for turn_count = 1 to max_chat_turns do
            response ← current_receiver.generate_response(message, dialogue_history)
            if response is None then
                break
            end if
            Add (current_receiver.id, current_sender.id, response) to dialogue_history
            temp_agent ← current_sender
            current_sender ← current_receiver
            current_receiver ← temp_agent
        end for
        return dialogue_history
    end if
End

在定向交互中，發送方智能體生成初始消息后，接收方智能體根據對話歷史和消息內容生成響應。智能體之間輪流發送消息，直到達到最大對話輪次或一方無法繼續響應為止。這種雙向對話模式能夠確保信息在兩個智能體之間充分交換，提高協作的深度和準確性。同時，智能體在交互過程中會根據對話的進展動態調整消息的內容和表達方式，以更好地適應任務需求和對方智能體的理解能力。

聊天結果處理（Chat Results Processing）

聊天結果處理是智能體協作的 “收尾”，組管理器對對話內容進行全面總結，精準提煉關鍵信息和階段結論，為后續交互提供有力的背景支撐。同時，系統嚴謹地開展質量評估，確保對話成果切實滿足任務要求，再將確認有效的小組聊天結果進行格式規范處理，使其完美適配任務管理器的處理標準，最終將任務成果妥善保存并反饋給用戶。在智能法律咨詢小組中，各智能體的討論結果經處理后，形成一份條理清晰、邏輯嚴謹的法律意見書，為當事人提供專業的法律指導。在結果處理過程中，系統會運用多種信息提煉和質量評估算法，確保最終結果的準確性和可靠性。

聊天結果處理的關鍵在于信息的提煉和質量評估。系統采用了基于注意力機制的信息提煉算法，能夠自動識別對話中與任務目標最相關的關鍵信息，并將其整合成簡潔明了的總結。質量評估則通過對比對話結果與任務要求、驗證中間結果的正確性以及評估智能體協作的有效性等多個維度來進行。例如，在數學推理任務中，系統會檢查智能體得出的公式推導是否正確、計算結果是否符合預期以及是否存在邏輯漏洞等。對于不符合質量要求的對話結果，系統會將其標記為待審核狀態，由任務管理器重新調度智能體進行補充討論或修正錯誤，確保最終結果的高質量和高可信度。

實驗設置

任務與基準測試

在數學推理領域，GSM8K 測試集包含 1300 道小學數學題，用于檢驗模型在基礎數學推理上的精細度；MATH 測試集則匯聚 12000 道涵蓋 5 個難度層級的高中及競賽數學題，專為挑戰模型的高階數學推理能力而設計；AIME 測試集精選美國邀請賽數學題，以精準的數值答案匹配評估，全方位考察模型在復雜數學場景下的推理深度。代碼生成方面，MBPP 測試集涵蓋了 500 個 Python 編程任務，搭配測試用例，通過單元測試通過率來衡量模型生成代碼的準確性和實用性；HumanEval 提供 164 個函數級編程挑戰，采用 pass@k 指標，即依據特定公式計算生成解決方案的正確率，精準評估模型在代碼生成領域的質量與可靠性。特定領域任務里，FinQual 測試集從 CFA 考試和 FinQA 測試集中采樣 1000 道金融領域題目，檢驗模型在金融推理和計算上的專業性；JEC-QA 涵蓋 26365 道中國法律職業資格考試題目，考察模型對法律概念的理解和場景分析能力；MedmcQA 提供 194000 道印度醫學入學考試題目，用于評估模型在醫療保健概念和臨床推理方面的表現。結構化文本理解方面，StrucText-Eval 測試集專注于評估模型對不同復雜程度結構化文本數據的理解和處理能力，涵蓋文本解析、信息提取、數據轉化等多維度任務。常識推理領域，HellaSwag 測試集包含 70000 個常識問答對，以情境多項選擇形式呈現，檢驗模型在日常場景中的常識運用能力；WinoGrande 測試集則提供 44000 個代詞消解挑戰，通過上下文推理判斷代詞指代對象，評估模型的常識推理精度。

基線方法（Baseline Methods）

Naive 方法簡單直接，僅將任務原封不動地傳遞給單一大型語言模型，毫無優化處理，依賴模型原始能力解決問題。Naive-CoT 方法在單一智能體框架下引入思維鏈提示，引導模型逐步展開詳細推理過程，以提升問題解決的準確性。ReAct 框架采用結構化的單智能體模式，借助循環的推理、行動和觀察過程分解問題，強化智能體與環境的交互學習能力。AutoGen 方法構建了可編程的多智能體對話框架，內含 AssistantAgent 和 UserProxyAgent 等角色，借助智能體間的對話探索問題解決方案。Multi-Agent Debate 方法讓多個智能體通過預設對話序列分析問題，持續辯論直至達成共識，以群體智慧攻克難題。

大型語言模型（LLM）

Qwen2.5-72B-Instruct 和 Llama-3.1-70B-Instruct-Turbo 這兩款先進的大型語言模型在實驗中大放異彩。它們在通用任務處理上展現出卓越的性能，無論是文本生成、知識問答還是邏輯推理，都能憑借龐大的參數規模和先進的訓練架構輸出高質量結果。同時，它們在計算效率方面也表現出色，能夠在合理的時間內完成復雜任務，為 AGENTGROUPCHAT-V2 系統提供了強大可靠的算力支持。

實驗結果與分析

數學推理性能分析

在 GSM8K 測試集上，AGENTGROUPCHAT-V2 搭配 Qwen2.5-72B 和 Llama-3.1-70B 時，準確率分別高達 87.41% 和 91.50%，相較于其他基線方法有了顯著提升。在更具挑戰性的 AIME 測試集中，搭配 Qwen2.5-72B 時準確率達到 30.4%，幾乎是其他方法性能的兩倍。

為了更直觀地展示不同方法在數學推理任務上的性能表現，對比了 AGENTGROUPCHAT-V2 指定角色配置與通用角色配置、AutoGen 和 Multi-Agent Debate 方法在 MATH-100 數據集上的表現。如下4張圖所示：

AGENTGROUPCHAT-V2 通用角色性能

AGENTGROUPCHAT-V2 指定角色性能

AutoGen 性能

Multi-Agent Debate 性能

從熱圖對比可見，AGENTGROUPCHAT-V2 指定角色配置在多種智能體數量和對話輪次組合下性能出色，最高準確率達 58%；而通用角色配置最高準確率僅為 36%。指定角色配置憑借智能體間的精細分工，不同角色發揮獨特優勢，協同攻克難題，性能隨著智能體數量增加而穩步提升；通用角色配置由于智能體角色單一，新增智能體僅帶來信息冗余，無法形成有效協作合力，性能反而下滑。相比之下，AutoGen 和 Multi-Agent Debate 等傳統框架在智能體數量增多時性能普遍下降，無法駕馭大規模智能體協作，充分凸顯 AGENTGROUPCHAT-V2 在大規模協作管理上的獨特優勢。

代碼生成性能分析

在 HumanEval 測試集上，AGENTGROUPCHAT-V2 搭配 Llama-3.1-70B 和 Qwen2.5-72B 時，pass@1 分別達到 79.20% 和 76.46%，在初始解決方案質量上遙遙領先。但隨著采樣率提高，其性能優勢有所縮減。這是因為其協作機制能在多視角分析問題后快速生成優質解決方案，可一旦需要高采樣率探索多樣化方案時，智能體間的頻繁溝通反而拖慢了優化節奏；而像 ReAct 框架雖在 pass@5 指標上表現出色，但前期生成的初始方案質量欠佳，說明不同架構在特定任務場景下的適配性各有不同。

在代碼生成任務中，對不同方法的誤差來源進行了詳細分析。發現 AGENTGROUPCHAT-V2 的主要誤差來源在于智能體間的溝通不充分和代碼邏輯的細微錯誤。例如，在一些復雜的嵌套循環和遞歸函數生成任務中，智能體可能因為對問題理解的偏差導致生成的代碼邏輯不嚴謹，從而出現運行錯誤。此外，當任務需要生成多種不同風格的代碼解決方案時，智能體的思維定式也可能限制其探索能力，導致采樣多樣性不足。針對這些問題，可以通過增加智能體的對話輪次、引入代碼審查智能體以及采用多樣化的代碼風格訓練數據等方式來降低誤差，提高代碼生成的準確性和多樣性。

常識推理性能分析

在 HellaSwag 測試集上，Naive 方法搭配 Qwen2.5-72B 時準確率高達 73.7%，優于 AGENTGROUPCHAT-V2 的 70.3%；在 WinoGrande 測試集上，Naive-CoT 方法搭配 Qwen2.5-72B 時準確率達到 85.5%，同樣勝過 AGENTGROUPCHAT-V2。因為常識推理問題往往答案明顯，直接調用模型就能快速得出結論，而 AGENTGROUPCHAT-V2 的分治策略卻將問題過度拆解，增加了不必要的復雜性。例如面對 “早上太陽從哪邊升起” 這類常識問題，模型直接作答即可，但該框架卻要調動多個智能體從天文、地理等多角度分析，反而容易因過度思慮陷入困惑，得出錯誤答案。

在常識推理任務中，AGENTGROUPCHAT-V2 的不確定性主要來源于智能體的角色分配和任務分解過程。由于常識推理問題通常具有較強的直觀性和單一性，過度的分治策略可能會引入冗余的中間環節，導致智能體在協作過程中出現信息過載和觀點沖突。例如，當多個智能體從不同領域對同一問題進行分析時，可能會產生相互矛盾的結論，從而增加系統的不確定性。為了降低這種不確定性，可以在常識推理任務中采用更簡潔的任務分解方式，減少智能體的數量，并優化智能體的角色分配，使其更貼近問題的本質。同時，可以通過調整智能體的協作策略，如采用多數投票機制或權威智能體決策機制，來提高常識推理結果的穩定性和可靠性。

結構化文本理解性能分析

在 StrucText-Eval 測試集上，隨著文本復雜度提升，AGENTGROUPCHAT-V2 的穩健性優勢盡顯。在寬度為 3、深度為 3 的高復雜度配置下，其準確率高達 52.1%，遠超其他方法。它能巧妙地將復雜文本層層拆解，各智能體分工協作，有的解析表格結構，有的梳理文本邏輯，有的提取關鍵信息，再通過整合匯總形成完整答案；而像 Multi-Agent Debate 方法在復雜文本面前，智能體間的辯論極易陷入混亂，準確率大幅下滑，從簡單配置的 83.3% 暴跌至 40.3%，ReAct 框架更是因難以應對大量文本信息，出現性能崩塌，準確率跌至 1.2% 以下。

特定領域知識性能分析

在金融領域，Multi-Agent Debate 方法在 FinQual 測試集上表現亮眼，準確率達到 80.20%；醫療領域中，Llama-3.1-70B 搭配 Multi-Agent Debate 時，MedmcQA 測試集準確率為 90.20%；法律領域則是各方法的 “滑鐵盧”，最大準確率僅 42.56%。AGENTGROUPCHAT-V2 在各領域維持相對穩定的性能，這表明它在金融等需多角度分析的領域優勢明顯，但在法律這類高度專業且依賴精細細節推理的領域，還有待進一步優化提升。

消融研究

智能體數量與對話輪次的影響

指定角色配置下，智能體數量增加推動性能上揚。以 5 個智能體為例，平均每增加一個智能體，性能提升約 7 個百分點，從 2 個智能體時的平均 32.5% 提升至 5 個智能體時的 53.5%。不同角色智能體在對話過程中相互補充信息，隨著智能體隊伍的壯大，能挖掘出更多任務關鍵細節，為問題解決提供更全面的視角；通用角色配置則陷入困境，智能體數量從 2 個增至 5 個，平均準確率從 34.5% 下滑至 31.5%，降幅達 8.7%。由于智能體角色雷同，新增成員只能重復既有觀點，不僅無法增強協作效果，反而增加了信息整合的復雜度，降低了協作效率。在對話輪次的影響下，指定角色配置呈現出先升后降的態勢，5 個智能體時，準確率從 2 輪對話的 52% 上升至 3 輪對話的 58%，后又在 5 輪對話時回落至 49%。適度對話輪次為智能體提供了足夠溝通交流的空間，使其能充分整合多角度的專業見解，但對話輪次一旦過多，復雜的信息交互反而讓智能體難以抉擇；通用角色配置對對話輪次變化反應平淡，準確率僅從 2 輪對話的 34.5% 微降至 5 輪對話的 31.5%，智能體專業背景單一，對話輪次增加僅能帶來有限信息增量，無法為問題解決注入新的活力。

案例研究

任務樹分解示例

以開發互動數據可視化工具為例，AGENTGROUPCHAT-V2 將任務拆解為四大階段。先是模塊接口設計，確定工具的總體架構和各模塊交互方式；然后是數據處理功能開發，定義數據清洗、轉換流程；接著是可視化功能打造，選定適合數據展示的圖表類型和交互效果；最后是測試驗證，確保工具各功能正常運轉。各階段任務相互獨立又緊密銜接，模塊接口設計完成后，數據處理和可視化功能開發可并行推進，最后統一匯總至測試驗證環節。在任務樹的清晰指引下，各智能體團隊在組管理器的調配下，有條不紊地開展工作，極大地提升了開發效率。

任務分解示例如下圖所示：

互動數據可視化工具開發任務分解

小組聊天協作示例

文件解析任務的小組聊天協作過程精彩紛呈。第一輪對話，需求分析師智能體全面剖析任務需求，明確文件格式驗證、編碼檢測、數據解析和大文件處理等關鍵要點，并提出初步方案；代碼實現智能體迅速響應，給出基礎代碼框架，實現了對 CSV 和 Excel 文件的基本解析功能；代碼審查智能體嚴謹審視后，指出文件大小限制缺失、編碼檢測過度依賴 pandas 默認設置、異常處理簡單、缺少數據類型推斷等問題，并提出改進建議。第二輪對話，需求分析師智能體根據審查反饋，細化需求，明確文件大小 100MB 限制、支持多種常見編碼自動檢測、分類處理錯誤、智能識別數據類型以及采用分塊處理大文件等具體要求；代碼實現智能體依據新需求，重構代碼，引入 charset 模塊增強編碼檢測，采用分塊讀取機制優化大文件處理，同時強化數據類型推斷功能；代碼審查智能體最終評估新代碼，認可改進成果，代碼質量在多輪對話協作中逐步攀升。

拓展實際應用場景

在區塊鏈技術分析文章寫作任務中，任務被拆解為技術調研、案例收集、市場分析、撰寫技術分析章節、撰寫市場分析章節和整體優化等六個階段。技術調研階段，研究規劃智能體快速鎖定關鍵文獻和最新研究成果，為后續分析奠定理論基礎；案例收集階段，研究執行智能體深入區塊鏈項目實踐，挖掘具有代表性的成功和失敗案例；市場分析階段，研究執行智能體運用數據分析工具，解讀區塊鏈行業市場趨勢和競爭格局；撰寫章節階段，寫作規劃智能體構建章節框架，寫作執行智能體填充內容細節，內容審查智能體確保文章邏輯連貫、觀點準確；整體優化階段，集成規劃智能體協調各章節內容，整合執行智能體打磨語言表達，質量保障智能體全方位審核文章質量。通過智能體的緊密協作，最終產出專業、深入且具前瞻性的區塊鏈技術分析文章，為行業從業者和研究者提供重要參考。

任務分解示例如下圖所示：

區塊鏈技術分析文章寫作任務分解

在智能教育輔導系統開發任務中，需求分析階段，智能體們通過與教育專家和學生群體的交流，精準定位系統功能需求；課程設計階段，課程規劃智能體依據教學大綱設計課程體系，教學設計智能體細化教學活動和教學方法，資源整理智能體收集各類教學素材；系統測試階段，測試規劃智能體制定全面的測試方案，測試執行智能體模擬不同教學場景開展測試，質量保障智能體及時反饋并跟進問題解決。經過智能體的協同奮戰，開發出的智能教育輔導系統能精準滿足學生個性化學習需求，有效提升教學效果。

總結

本文介紹了一個基于大型語言模型（LLM）的多智能體系統框架AgentGroupChat-v2，目標是為了解決復雜推理和任務分解問題。該框架通過創新的分治策略，顯著提升了多智能體系統的性能和效率。如下：

• 系統架構創新：提出了一種全并行架構，通過三個協調管理模塊（查詢管理器、任務管理器和組管理器）支持分布式并發處理，顯著提高了系統吞吐量和資源利用率。
• 任務級分治：通過動態任務樹分解，將復雜查詢分解為可管理的子任務，優化依賴管理和并行執行。
• 執行級分治：通過專門的智能體角色分配，不同LLM承擔不同角色，專注于問題解決的具體方面，實現自適應協作。

綜上，AGENTGROUPCHAT-V2框架憑借其分治并行架構和自適應協作引擎等核心創新，提供了一種高效、通用的LLM多智能體系統解決方案，在復雜推理場景中具有顯著優勢。它不僅成功攻克了傳統系統在架構設計、跨領域適應性和性能保障等方面的難題，還在數學推理、代碼生成等復雜任務場景中取得了卓越的性能表現。尤其在高難度任務中，AGENTGROUPCHAT-V2充分展現了匯聚集體智能攻克難關的能力，讓我們看到了多智能體協作的巨大優勢。當然，盡管在常識推理等特定任務中仍有提升空間，但其整體表現無疑為未來的研究和發展提供了一種創新思路。