多智能体编程还不够——智能体需要一个「承诺层」

📌 One-Sentence Summary 作者提出了一种确定性的「承诺账本」，用于在多智能体编程系统中追踪和管理任务承诺，证明了显式的状态管理可以防止仅靠文本交流往往无法避免的重复劳动和依赖失效问题。 📝 Summary 多智能体编程系统经常遭遇协作失败，例如重复劳动或遗漏依赖，这是因为对话式的承诺缺乏持久化的状态。作者引入了一个「承诺账本」——这是一个使用 Python 标准库构建的、基于规则的确定性系统，用于记录和追踪智能体的承诺。该系统包含一个严格的「承诺检测器」，用于解析特定的动宾模式，以及一个不可变的账本，用于记录事件历史以识别冲突、未验证的任务和依赖缺口。通过在一个最小化项目目录项目上的测试，作者证明了虽然账本可以有效地协调状态并防止返工，但它无法强制智能体正确执行任务或验证其自身的工作。该项目强调了协作本质上是一个状态管理问题，而非单纯的沟通问题。 💡 Main Points 对话式沟通不足以实现多智能体协作。 智能体往往无法追踪任务归属，导致重复劳动、依赖遗漏和返工，因为在聊天中做出的承诺没有记录在持久化、机器可读的状态中。 确定性的「承诺账本」提供了可靠的事实来源。 通过使用严格的、基于规则的检测器（无需 LLM 调用）来提取承诺，并将其存储在不可变的事件历史中，系统可以以编程方式识别冲突和依赖失效。 状态管理与任务执行是两码事。 账本成功地追踪了任务协作中的「做什么」和「谁来做」，但它无法保证「怎么做」——它无法强制智能体真正完成工作或验证其正确性。 严格的语法规则比基于 LLM 的提取更具可靠性。 通过将检测器限制在固定的动词和模式列表中，作者确保了测试集中的 100% 准确率，避免了使用 LLM 来解释智能体意图时可能产生的不可预测性和「幻觉」。 💬 Key Quotes 多智能体编程系统失败的原因并不一定是因为智能体无法沟通。它们失败的原因可能是对话中做出的重要承诺在事后无处安放。 这是关键的结论：账本可以改善协作状态，但它无法强制 AI 智能体完成其工作。 账本记录了每个承诺的后续情况。它不会因为后续智能体犯了错，就回头去修改之前的事件。 账本不对代码本身进行评判。它只追踪承诺发生了什么，以及围绕这些承诺的协作情况。 📊 Article Meta AI Screening： 86 Source： Towards Data Science Author： Emmimal P Alexander Category： 人工智能 Language： 英文 Read Time： 18 min Word Count： 4287 Tags： AI 与智能应用 , AI 工程 , Agent编排 , AI Agent , 编程语言 Read Full Article