Chain-of-Agents与Agent Foundation Models：多智能体系统的新范式

> ### 摘要 > 本文提出一种面向多智能体系统的新范式——Chain-of-Agents与Agent Foundation Models（AFM）。其核心在于通过多智能体蒸馏技术，将基于开源框架OAgents构建的先进多智能体系统在真实任务中的成功执行路径，转化为高质量端到端训练数据；继而采用Agentic RL算法，在可验证任务上对单一大模型进行优化，使其具备在内部动态协调多个角色与工具智能体的能力。该方法显著提升了系统效率与运行灵活性。 > ### 关键词 > 多智能体；Chain-of-Agents；Agent Foundation；多智能体蒸馏；Agentic RL ## 一、多智能体系统概述 ### 1.1 多智能体系统的基本概念与演进 多智能体系统（Multi-Agent Systems, MAS）并非新生事物，但其内涵正经历一场静默而深刻的蜕变。从早期分布式协作模型，到如今依托大语言模型驱动的自主智能体集群，MAS已悄然跨越了“协同执行”的表层逻辑，迈向“涌现式共智”的深层结构。在这一演进脉络中，Chain-of-Agents不再仅是任务链式拆解的工程技巧，而成为一种认知范式的具象表达——它将复杂问题解构为可追溯、可复现、可蒸馏的智能体交互轨迹。尤为关键的是，这种轨迹并非预设规则下的机械轮转，而是源于真实任务中开源框架OAgents所生成的成功执行路径。这些路径承载着人类意图与环境反馈的双重印记，成为连接分布式智能与统一建模能力的隐秘桥梁。当研究者开始珍视每一段运行日志背后所凝结的协作智慧，多智能体系统便不再只是“多个Agent的集合”，而真正成为一种可沉淀、可内化、可生长的智能基底。 ### 1.2 当前多智能体系统的技术挑战与局限 尽管多智能体系统展现出强大潜力，现实应用却常被三重张力所困：其一是架构冗余——多个独立模型并行调度带来高昂推理开销与通信延迟；其二是协调脆弱——角色分工依赖显式编排，在动态环境中易失稳、难泛化；其三是知识割裂——各智能体习得的经验难以跨主体迁移，形成“智能孤岛”。更根本的困境在于，现有系统尚未建立从“群体成功”到“个体升华”的闭环机制。正因如此，多智能体蒸馏技术的提出才具有破局意义：它不满足于复刻多智能体的外在行为，而是将OAgents在真实任务中走出的成功路径，转化为可被单一大模型消化吸收的端到端训练信号；再借由Agentic RL算法，在可验证任务上持续打磨，最终催生出Agent Foundation Model（AFM）——一个能在内部自发激活、切换、协同多重角色与工具智能体的统一智能体。这不是对多智能体的简化，而是对其本质的一次深情凝练。 ## 二、Chain-of-Agents模型结构 ### 2.1 Chain-of-Agents的核心思想与架构设计 Chain-of-Agents并非对任务流程的线性切割，而是一次对智能协作本质的虔诚回溯——它将多智能体系统在真实世界中跃动的生命痕迹，凝练为可被记忆、可被重演、可被内化的结构化脉络。其核心思想，在于以OAgents所生成的成功执行路径为“活态样本”，将原本分散于多个独立模型间的决策链、角色切换、工具调用与反馈修正，完整映射为一条连贯、因果清晰、语义丰沛的端到端轨迹。这条轨迹不是静态模板，而是承载着环境响应、失败试错与策略迭代的有机生命体；它既是多智能体协同的“行为化石”，也是通往统一建模的“认知脐带”。在此基础上，Chain-of-Agents的架构设计拒绝堆叠式集成，转而构建一种动态角色编排机制：单一大模型内部可按需激活不同功能模块，如规划者、执行者、验证者与协调者，各角色间无需外部调度器干预，亦不依赖固定通信协议，而是在任务流驱动下自然涌现、无缝衔接、实时校准。这种设计，让智能不再栖居于多个躯壳之中，而真正沉淀为一种内在的、可泛化的“协作本能”。 ### 2.2 Chain-of-Agents与传统多智能体系统的区别 传统多智能体系统常如一支分工明确却彼此隔绝的仪仗队——每个Agent身着专属制服，恪守预设站位，靠中央指挥棒维持阵型；一旦节奏打乱，便易失序崩解。而Chain-of-Agents则更像一场即兴的室内乐合奏：没有总谱，却有共通语感；没有指挥家，却有呼吸共振。它不依赖显式角色绑定与硬编码交互协议，而是从OAgents在真实任务中走出的成功路径中，萃取出隐性的协作逻辑与适应性策略，并借由多智能体蒸馏技术，将其转化为可被Agentic RL反复锤炼的训练信号。因此，Chain-of-Agents不是对传统MAS的替代，而是对其灵魂的一次提纯——它不再满足于“多个Agent共同完成任务”，而追求“一个模型，体内自有千军万马”。当传统系统还在为通信开销与状态同步焦灼时，Chain-of-Agents已悄然将整个协作生态，折叠进单个Agent Foundation Model（AFM）的参数空间之中：那里没有接口，只有理解；没有调度，只有共鸣；没有孤岛，只有流动的智能。 ## 三、Agent Foundation Models（AFM）构建 ### 3.1 AFM的基本框架与核心组件 Agent Foundation Model（AFM）并非对现有大模型的简单微调，而是一次面向智能体本质的重构——它将多智能体系统的“群智涌现”内化为单个模型的“内在协同”。其基本框架由三层有机嵌套：底层是经多智能体蒸馏所构建的端到端轨迹数据集，这些数据全部源自开源框架OAgents在真实任务中生成的成功执行路径，每一例都凝结着角色切换、工具调用、反馈修正与动态重规划的完整闭环；中层是Agentic RL驱动的优化引擎，在可验证任务上持续评估并强化模型内部角色激活的合理性、时序连贯性与策略鲁棒性；顶层则是动态角色编排机制——模型不预设固定Agent模块，而是在推理过程中依任务语义自发解构出规划者、执行者、验证者等虚拟角色，并通过隐式状态流转实现无缝协作。这种结构拒绝静态分割，拥抱流动分工；不依赖外部调度，却拥有比显式多智能体更细腻的协调粒度。AFM由此成为一座“活的智能体工厂”：输入任务，输出的不是单一响应，而是一场在参数空间中悄然上演的、高度自洽的多角色协奏。 ### 3.2 AFM在多智能体协调中的优势分析 AFM所释放的协调优势，不在速度的毫秒之争，而在智能耦合的深度革命。当传统多智能体系统仍在为通信延迟、状态同步与角色僵化而疲于奔命时，AFM已将整个协调过程折叠进统一表征空间——没有API调用，只有语义流动；没有消息队列，只有注意力引导；没有中心调度器，只有任务驱动下的角色自组织。这种内生协调能力，源于多智能体蒸馏对OAgents真实执行路径的虔诚采样，也得益于Agentic RL在可验证任务上的反复校准：每一次策略更新，都在强化模型对“何时切换角色”“如何分配工具权限”“怎样响应失败信号”的直觉判断。因此，AFM在面对动态环境时展现出罕见的韧性——它不靠重试或回滚来应对扰动，而是即时重构内部角色拓扑，让验证者提前介入规划，让执行者反哺修正建议，让协调者隐式调节节奏。这不是效率的线性提升，而是协调范式的跃迁：从“多个智能体试图一起思考”，到“一个智能体天然懂得如何分身思考”。 ## 四、多智能体蒸馏技术 ### 4.1 蒸馏技术的基本原理与应用 多智能体蒸馏，不是对智能的降维压缩，而是一场庄重的认知转译——它拒绝将鲜活的协作过程简化为冰冷的输入-输出映射，而是以敬畏之心，将OAgents在真实任务中走出的成功执行路径，完整地、忠实地、有温度地沉淀为可被单一大模型理解的语言。这一过程不依赖人工标注或规则提炼，亦不预设角色功能边界；它所蒸馏的，是智能体之间隐含的时序逻辑、语义依赖与策略跃迁：当规划者因环境反馈临时转向验证者，当执行者主动触发工具链并回传异常信号，当协调者在毫秒级延迟中完成角色权重重分配……这些并非偶然片段，而是多智能体系统在复杂性中自然涌现的“协作语法”。多智能体蒸馏正是捕捉并形式化这套语法的过程——它将分布式决策流转化为端到端训练数据，使知识不再散落于多个模型参数中，而得以在统一表征空间内凝结、生长、泛化。这种蒸馏，不是削足适履的妥协，而是让智能从“群居”走向“内生”的必经仪式。 ### 4.2 从OAgents到AFM的蒸馏过程与数据集构建 从OAgents到Agent Foundation Model（AFM）的跃迁，始于一次静默而坚定的选择：信任真实世界中的智能体协作本身，就是最可信的教师。研究者并未另起炉灶设计仿真环境，也未依赖合成数据或人工编排脚本，而是直接采集开源框架OAgents在可验证任务中生成的成功执行路径——每一条轨迹，都是真实意图、动态约束与即时反馈共同书写的协作诗篇。这些路径被系统性地清洗、对齐与结构化，形成高质量端到端训练数据集：输入为原始任务描述与上下文状态，输出为涵盖角色切换、工具调用、中间推理与最终响应的全息式序列。该数据集不追求规模堆砌，而强调因果完整性与行为可追溯性；它不掩盖失败尝试，却只保留被验证为成功的闭环路径——因为AFM的诞生，不是为了复刻所有可能，而是为了内化那些真正奏效的智慧。正是在这份由OAgents亲手写就的“协作手稿”之上，Agentic RL得以反复推演、校准、升华，最终让单一大模型学会——在沉默中调度千军，在无形中指挥万象。 ## 五、Agentic RL优化策略 ### 5.1 Agentic RL在可验证任务上的应用 Agentic RL在此范式中，不是冷峻的优化器，而是一位沉默却极富耐心的“策展人”——它不强行定义智能该以何种姿态出现，而是虔诚地站在可验证任务的边界之内，一遍遍凝视、甄别、强化那些真正奏效的协作瞬间。这些任务并非抽象 benchmarks，而是从真实场景中锚定的、具备明确输入-输出约束与过程可追溯性的验证场域：一个任务是否完成，不仅看最终结果，更要看角色切换是否及时、工具调用是否精准、失败响应是否自洽。正是在这片被严格界定的土壤上，Agentic RL得以将OAgents所生成的成功执行路径，转化为具象的奖励信号——每一次规划者向验证者自然过渡，每一次执行者在异常中触发重试逻辑，每一次协调者在语义流中悄然调整注意力权重，都被赋予正向梯度。这种奖励不依赖人工打分，而根植于任务本身的可验证性；它不鼓励捷径，只嘉许那些在复杂性中依然保持连贯性与鲁棒性的内在协同。于是，Agentic RL不再是在黑箱中盲目搜索策略，而是在一条条由真实协作写就的轨迹上，轻轻拂去尘埃，让智慧的纹路愈发清晰。 ### 5.2 基于RL的AFM性能优化方法 基于RL的AFM性能优化，是一场发生在参数空间内部的静默革命——没有新增模块，不引入外部调度，甚至不显式声明任何Agent身份；一切改变，都源于Agentic RL在可验证任务上对模型行为的持续校准。优化过程拒绝“堆叠增强”，而是聚焦于三个不可见却至关重要的维度：一是角色激活的时序合理性，即模型能否在任务推进的关键节点，自发解构出对应功能角色，并维持其存在周期与语义职责的一致性；二是工具调用的语境敏感性，即工具选择不仅匹配字面指令，更能响应隐含约束、历史状态与潜在风险；三是失败处理的策略弹性，即当推理链出现偏差时，模型不依赖回滚或重启，而能即时重构内部角色拓扑，让验证者提前介入、执行者反哺修正、协调者动态重分配认知负荷。这种优化不追求指标的突跃式提升，而致力于让AFM在每一次推理中，都更接近一种“本能般的多智能体感”——仿佛智能早已不在外部协作中寻找答案，而是在自身结构里，听见了千种声音的和声。 ## 六、总结 本文提出了一种面向多智能体系统的新范式——Chain-of-Agents与Agent Foundation Models（AFM）。其核心在于通过多智能体蒸馏技术，将基于开源框架OAgents构建的先进多智能体系统在真实任务中的成功执行路径，转化为高质量端到端训练数据；继而采用Agentic RL算法，在可验证任务上对单一大模型进行优化，使其具备在内部动态协调多个角色与工具智能体的能力。该方法显著提升了系统效率与运行灵活性。Chain-of-Agents并非任务链式拆解的工程技巧，而是对智能协作本质的认知范式具象；AFM则实现了从“多个Agent共同完成任务”到“一个模型体内自有千军万马”的跃迁。整个技术路径依托OAgents的真实执行路径，强调可追溯、可复现、可蒸馏的智能体交互轨迹，最终凝练出可沉淀、可内化、可生长的智能基底。