记忆与多智能体协作
解释记忆写入、上下文隔离、委派、交接和证据整合的责任。
记忆的用途和风险
任务状态记录待办、已执行、回执和未决项；短期上下文提供当前决策信息；长期记忆保存可复用事实、偏好或策略。物理存储可以不同，必要身份和来源不能因跨层摘要丢失。检索式记忆是近似取得资料，与操作系统精确地址分页的保证不同。
显式记忆工具让模型选择写入，后台提取从轨迹总结，两者都可能写错。条目需范围、来源、时点、可信程度和失效条件。验证、版本恢复、冲突处理与用户隔离控制长期污染。仅由同类模型多数赞同的条目，证据仍可能相关。
反思资料可以帮助后续避免已知错误，没有改参数也能提高当前系统效果。它同时增加检索和上下文成本，不能称为零成本学习。是否需要参数更新，应比较任务成功、维护、调用量与容量，避免由知识标签直接决定。
从轨迹形成可复用策略
经历本身不自动成为有效记忆。一个可检查的学习循环先取得轨迹和终态，区分成功、失败与成功但低效；再定位关键决策和恢复点，提出带适用条件的策略；验证策略与原始事件的关系；最后按新任务检索，并根据后续结果更新或废弃。保存失败过程可以发现“遇到什么信号应换路径”，只保存最终答案会丢掉这类信息。
构造情境：一次任务因目标文件已移动而失败，恢复时通过稳定文件身份找到新位置。合理条目是“路径不存在时，先按身份核对当前位置”；将它写成“失败后一律扫描全部文件”会扩大开销与权限。条目应保留触发条件、适用对象、原始回执和替代原因，避免把一次偶然恢复当作所有任务的规则。
ReasoningBank 从成功和失败轨迹提炼策略，按任务检索再写回；其 MaTTS 比较同题的并行轨迹或串行改进，以增加提炼信号。该论文使用模型自判成功作为部分代理反馈，仍可能产生错误记忆，研究结果限定于其浏览与软件任务、模型和环境。ReasoningBank，2025 年第一版，第 3 节
增加尝试同时增加环境执行、总结、检索和审查成本。记忆数量增长后，需要测相关条目命中、冲突、过期和正常任务影响。攻击者写入的记录可能在未来被检索并转成行动依据，因此写入来源、租户范围和证据不能只靠语义相关性判断。
提示、记忆、工具和参数怎样改进
改进对象可以是输入提示、外部记忆、工具实现或模型参数。提示优化将某段文本视为候选策略，在任务上运行、用失败反馈提出变体，再用独立样本选择。GEPA 将轨迹反思、候选测试与互补策略组合用于这一过程；它对特定任务的结果支持这条路线的可行性，不支持所有任务都优于 RL。GEPA，2025 年研究
文本搜索没有常规参数梯度，仍要消费模型调用和评价预算。反复在同一验证集挑选提示会过拟合，底座或工具变化也会使已选策略失效。工具自改进还需要程序行为验证与隔离执行；参数更新则引入训练状态和保留能力评价。四类改进可以衔接：先将经验整理为可审计材料，再以足够覆盖的数据进行蒸馏；是否值得转换，应比较部署量、时延、维护和任务质量。
什么时候拆出多个执行者
可独立取得证据、使用不同工具或需要上下文隔离时，多个执行者可以并行。强耦合状态、频繁共享和共同修改同一对象会增加协调成本。使用同一模型的多个角色没有自动独立性，互相引用结论可能放大共同错误。
委派要说明目标、输入、可改对象、允许动作、交付内容与结束条件。编排者保持整体目标、处理依赖并核查汇总。结论、关键依据、成立条件和未完成项需一起返回；只回摘要会使关键事实难以复查。
调用、图编排与交接
子任务调用在逻辑上接收结果后回到主流程，显式图把节点、边、共享状态与持久化写在宿主中，handoff 将活动责任或运行控制转给另一执行者。具体框架可能保存历史、过滤输入或允许重新交接；不能仅由 handoff 名称推断原参与者永远无法干预。
同一对象由谁写、成果何时可见、冲突怎样处理和失败由谁接管，应明确到实际操作。独立任务并行不等于独立文件修改安全。状态可推导时应从实际记录取得，避免多份进度账漂移。
多次尝试与裁决
若单次错误概率为 ，相互独立的 次尝试全部错误的概率为 ，至少一次正确为 。找到这个正确结果还需要裁决器。共享底座、数据和提示通常增加错误相关性，公式的独立假设不能默认满足。
客观测试、直接来源和真实状态能帮助裁决，辩论或角色扮演只是新增生成。开放任务也可以从不同视角得到有用覆盖，收益应从缺陷发现和最终质量测量，避免按参与者数量推定。
构造情境：两个执行者分别读独立合同与回执，编排者核对相同材料身份，能够增加证据覆盖。两个执行者都转述同一摘要，即使结论相同，也只有一条来源链。
最后更新于