这篇综述来自圣母大学（University of Notre Dame）的 Taicheng Guo 等人，合作机构包括 KAUST、南方科技大学和 UMass Boston，通讯作者为 Xiangliang Zhang。论文系统梳理了基于大语言模型的多智能体系统（LLM-based Multi-Agent, LLM-MA）的核心架构、通信机制、能力获取方式以及应用全景，同时指出了该领域面临的六大关键挑战。

这不是一篇只罗列论文的目录式综述。研究者围绕四个核心问题展开：LLM-MA 系统在哪些领域和环境中运行？智能体如何被定义和刻画？智能体之间如何通信？什么机制驱动智能体能力的持续增长？

论文链接：https://arxiv.org/abs/2402.01680 GitHub 仓库：https://github.com/taichengguo/LLM_Multi_Agents_Survey

从单打独斗到团队协作：为什么需要多智能体

单个 LLM 智能体已经展现出了不俗的规划和推理能力。把复杂任务拆成子目标、多路径探索、从历史经验中学习——这些都让单智能体在很多场景下够用了。

但够用和好用之间隔着一条鸿沟。

现实世界的复杂问题往往需要多种专业能力的协作。软件开发需要产品经理、程序员和测试人员；科学实验需要策略规划者、文献检索者和代码实现者；多机器人协作需要在物理空间中实时协调动作。单个智能体无论怎么调 prompt，都很难同时扮演好所有角色。

这正是多智能体系统的价值所在。LLM-MA 的核心思路是把 LLM 特化为具有不同能力的多个智能体，让它们通过交互来模拟复杂环境、解决复杂问题。这种协作方式本质上模仿了人类群体的工作模式——各自分工、相互讨论、集体决策。

从论文统计的趋势图来看，2023 年下半年开始，LLM-MA 相关的研究论文数量呈现爆发式增长，问题求解（Problem Solving）和世界仿真（World Simulation）两大方向齐头并进。

四大支柱：LLM-MA 系统的解剖学

研究者把 LLM-MA 系统拆解为四个核心维度：智能体-环境接口（Agents-Environment Interface）、智能体画像（Agent Profiling）、智能体通信（Agent Communication）和能力获取（Capability Acquisition）。这四个维度构成了理解和设计多智能体系统的基本框架。

环境接口：智能体在哪里「活着」

智能体必须在某个环境中感知和行动。根据环境类型的不同，研究者归纳了三种接口模式。

沙盒环境（Sandbox）是最常见的。代码解释器模拟的软件开发环境、游戏规则构建的对战环境都属于此类。智能体在其中可以自由探索，试错成本低。物理环境（Physical）则更硬核——机器人需要在真实世界中执行动作，扫地、做三明治、搬箱子，每一步都要处理物理约束。还有一类没有外部环境（None），多智能体辩论就属于这种情况：智能体之间直接对话，不依赖任何外部系统。

值得注意的是，同一个系统可能同时涉及多种接口。比如多机器人协作中，既有模拟环境中的策略规划（Sandbox），也有真实空间中的物理操作（Physical）。

智能体画像：谁来扮演什么角色

在 LLM-MA 系统中，每个智能体都有自己的「人设」——包括特征、行为方式和技能。这些画像决定了智能体在系统中的定位和作用。

画像的构建方式有三种。预定义（Pre-defined）最直接，由系统设计者显式描述，比如「你是一个擅长代码审查的资深工程师」。模型生成（Model-Generated）则让 LLM 自己来创造智能体画像，适用于需要大量异构智能体的场景。数据驱动（Data-Derived）从现有数据集中提取画像特征，比如基于 MovieLens 数据集生成具有不同偏好的用户智能体。

不同应用场景的画像设计差异很大。软件开发中是产品经理和工程师；狼人杀游戏中是预言家、狼人和村民；医学诊断中是心内科和外科专家。画像的质量直接决定了多智能体协作的上限。

通信机制：智能体怎么「说话」

通信是 LLM-MA 系统的基础设施，研究者从三个层面进行了分析。

通信范型（Paradigm）分为三种。合作式（Cooperative）最常见，智能体为了共同目标交换信息、协同优化。辩论式（Debate）让智能体各持己见、相互质疑，通过多轮交锋达成共识——这对提升事实准确性特别有效。竞争式（Competitive）中智能体各自追求自身目标，目标之间可能存在冲突，博弈论场景就属于此类。

通信结构（Structure）决定了信息流动的路径。论文总结了四种典型模式：分层（Layered）结构按层级分配角色，类似公司的组织架构；去中心化（Decentralized）让智能体之间直接对等通信；中心化（Centralized）由一个或少数几个智能体协调所有通信；共享消息池（Shared Message Pool）是 MetaGPT 提出的创新设计——智能体发布消息到公共池中，根据自身画像订阅相关消息，既灵活又高效。

至于通信内容，绝大多数 LLM-MA 系统以文本为主。代码片段、分析推理、策略讨论——这些都是通过自然语言来传递的，这也是 LLM 天然的优势所在。

能力获取：智能体怎么「变强」

智能体不是一成不变的。能力获取涉及两个层面：从什么反馈中学习，以及怎么调整自己。

反馈来源有四类。环境反馈来自系统运行结果，比如代码是否能通过编译。智能体交互反馈来自其他智能体的判断和通信，辩论中的批判就属于此类。人类反馈在需要与人类价值观对齐的场景中不可或缺，科学实验中的专家审核就是典型。也有一些场景不需要反馈，比如专注于结果分析的传播仿真。

在调整策略方面，记忆（Memory）是最基础的手段——智能体存储历史交互和反馈，在需要时检索相关信息指导当前行动。自进化（Self-Evolution）更进一步，智能体可以动态修改自身的目标和规划策略，甚至基于通信日志生成训练数据来微调 LLM。动态生成（Dynamic Generation）则允许系统在运行过程中按需创建新智能体，应对当前挑战。

Wang 等人提出的「通过通信学习」（Learning through Communication, LTC）范式特别值得关注。它利用多智能体间的通信日志生成数据集来训练或微调 LLM，突破了仅依赖上下文学习或监督微调的局限——后者无法充分利用与环境交互中获得的反馈进行持续训练。

应用全景：从写代码到模拟社会

LLM-MA 的应用可以分为两大类：问题求解和世界仿真。前者关注「用集体智慧解决特定任务」，后者关注「用多智能体模拟真实世界的运行规律」。

问题求解：集体智慧的力量

软件开发是最活跃的方向之一。从 CAMEL 的双角色对话编程，到 ChatDev 的多角色流水线，再到 MetaGPT 引入人类标准操作流程（SOP）的受控协作，这个领域的系统设计在不断进化。MetaGPT 的贡献在于把软件工程中成熟的 SOP 编码进 prompt，让多智能体的协作不再是简单的「自由讨论」，而是有章可循的流程化生产。

具身智能（Embodied Agents）把多智能体带到了物理世界。RoCo 框架让每个机械臂配备一个 LLM，高层通信协调任务分配，低层规划处理逆运动学和碰撞检测。CoELA 则在更复杂的设定下——去中心化控制、部分可观察、通信代价高、多目标长时域任务——实现了协作规划。

科学辩论是一个巧妙的应用。多个 LLM 智能体针对同一问题各抒己见，经过多轮辩论后收敛到一个共识答案。Du 等人在六个推理和事实准确性任务上验证了这种方法的有效性。Xiong 等人进一步设计了三阶段辩论（公平辩论、不匹配辩论、圆桌辩论），并发现辩论能提升不同 LLM 之间的「跨一致性」（Inter-Consistency）。

世界仿真：用智能体构建虚拟社会

社会仿真是 LLM-MA 最有想象力的方向之一。从 Park 等人的 25 个智能体小镇，到 Social Simulacra 的千人社区，再到 Gao 等人构建的 17000+ 智能体社交网络，仿真的规模在快速扩张。这些系统不仅模拟社交行为，还能生成丰富的行为数据供社会科学分析。

游戏仿真利用 LLM-MA 的角色扮演能力，在狼人杀、阿瓦隆、福利外交等游戏中测试博弈论假设——推理、合作、说服、欺骗、领导力，这些复杂的社交能力都能在游戏场景中观察和评估。

经济学仿真把 LLM 智能体当作「经济人」（Homo Economicus）的计算模型。Li 等人用 LLM 模拟宏观经济活动，TradingGPT 引入分层记忆和辩论机制来增强金融交易决策，Zhao 等人则用餐厅和顾客智能体的互动来验证社会学和经济学理论。

心理仿真、推荐系统仿真、政策制定仿真、疾病传播仿真——LLM-MA 几乎渗透到了社会科学的所有分支。这个领域的跨学科特性也吸引了远超 AI 研究者的人群参与，社会科学家、心理学家、政策研究者都在关注。

工具和基准：给后来者的地图

论文总结了三个主流开源多智能体框架。MetaGPT 把人类工作流编码到智能体操作中，通过 SOP 降低幻觉问题。CAMEL 用「启动提示」（Inception Prompting）引导智能体自主协作，同时作为研究通信数据的工具。AutoGen 则以高度可定制著称，开发者可以同时用自然语言和代码定义智能体的交互方式。

在基准测试方面，不同领域各有侧重。软件开发用 HumanEval 和 MBPP；具身 AI 用 RoCoBench 和 TDW-MAT；科学辩论用 MMLU 和 GSM8K。但研究者也指出，科学实验操作、经济分析和疾病传播仿真等领域还缺乏全面的基准，这限制了 LLM-MA 在这些场景下的性能评估。

六大挑战：多智能体之路还很长

论文最后讨论了该领域面临的关键挑战。

多模态扩展是首当其冲的问题。现有 LLM-MA 系统几乎都基于文本交互，但真实世界的信息远不止文字。让智能体处理图像、音频、视频甚至物理动作，并在多模态信息之间理解彼此——这个跨越的难度不小。

幻觉在多智能体环境中的危害被放大了。单个智能体的幻觉可能只是输出了一段错误信息，但在多智能体系统中，一个智能体的幻觉会被其他智能体接受并进一步传播，形成「幻觉级联效应」。检测和缓解这种级联比纠正单个智能体的错误要复杂得多。

集体智慧的获取仍是一个开放问题。当前主流的记忆和自进化方法主要针对单个智能体进行调整，没有充分利用智能体网络的协同效应。联合调整多个智能体、实现最优集体智慧，这是一个远未解决的核心难题。

规模化是工程层面的挑战。每个基于 GPT-4 级别模型的智能体都需要大量计算资源，系统规模扩大后资源消耗线性增长，通信和协调的复杂度则是指数级的。高效的智能体编排（Agents Orchestration）——优化工作流、任务分配和通信模式——变得越来越重要。

评测和基准的缺失也制约着领域发展。现有评测大多聚焦于单个智能体的理解和推理能力，忽略了多智能体系统特有的涌现行为。科学实验、经济分析等领域的基准几乎是空白。

总结

这篇综述的价值在于，它不只是罗列了已有工作，而是建立了一套理解 LLM-MA 系统的分析框架。环境接口、智能体画像、通信机制、能力获取——这四个维度构成了审视任何多智能体系统的基础视角。

几个核心观察值得记住：

LLM-MA 的核心优势在于专业化分工和交互协作，这模仿了人类群体解决问题的基本模式。

通信结构的选择对系统性能影响巨大——MetaGPT 的共享消息池、DyLAN 的动态智能体选择，都是针对特定场景的精心设计。

从问题求解到世界仿真，LLM-MA 的应用版图正在快速扩张，覆盖了软件开发、机器人协作、社会科学、经济学、心理学等多个领域。

但幻觉级联、集体智慧获取、规模化等挑战仍然悬而未决。这些问题不是调一调 prompt 就能解决的，可能需要在系统架构层面做出根本性的创新。

未来，如何将多智能体系统与强化学习、符号 AI、认知科学等不同理论视角融合，如何设计更高效的编排和通信协议，如何构建更全面的评测基准——这些都是值得深入探索的方向。