本次查询：多智能体系统
中文解释：多智能体系统
常见场景：多智能体系统广泛应用于自动驾驶车队协同 / 工业机器人集群 / 智能电网 / 多角色AI对话系统（如客服转接） / 以及大模型驱动的多智能体框架（如AutoGen
一句话解释
多智能体系统是一种由多个具备自主感知、决策和执行能力的智能体构成的协作网络，它们通过信息共享与协调机制共同完成单个智能体难以处理的复杂任务。
为什么会被关注
随着AI任务日益复杂，单一模型/智能体往往能力有限。多智能体系统能通过分工与协作实现“1+1>2”的效果，例如在自动驾驶中让车辆相互通信以避免拥堵。
它在工业、物流等场景中能显著提升效率与鲁棒性，同时大语言模型的发展催生了“多个AI角色协同创作”的新应用，吸引了大量研究者和开发者。
核心逻辑
每个智能体拥有独立的目标、知识库和决策模块，它们通过通信协议交换信息，再借助协商、投票或层次化控制等机制达成共识。常用技术包括贝叶斯推理、强化学习和图神经网络。
关键挑战在于解决智能体之间的冲突、保持系统全局一致性，以及处理动态环境中的不确定性。理想状态下，系统能自主适应变化并优化整体性能。
常见场景
自动驾驶车队中，每辆车作为智能体，通过V2V通信协调速度与路径，减少刹车波动并提高通行效率。
工业机器人集群利用多智能体系统分配任务，例如仓库中多个AGV（自动导引车）自主避障并完成拣货，避免碰撞和死锁。
大模型时代，CrewAI或MetaGPT等框架让多个LLM角色（如产品经理、程序员）协同撰写代码或策划方案，模拟团队工作流。
容易混淆的点
多智能体系统 ≠ 分布式系统：分布式系统侧重硬件或数据分散，而MAS强调智能体的自主性和社会性交互，即使部署在同一台服务器上也可以构成MAS。
多智能体系统 ≠ 多任务模型：多任务模型用单一模型处理多个任务，而MAS每个智能体是独立实体，可拥有不同架构甚至异构算法。
不是所有集群控制都是MAS：简单的“主从式”遥控不算真正的MAS，关键在于智能体能否自主协商和调整行为以应对局部变化。