北京
一个简单的旅行目标被输入系统——“规划一次两周的日本旅行”。接下来，没有任何中心模块、共享数据库或总协调员，四种不同的AI代理就像散落在各处的工蜂，通过纯粹的点对点通信，让这个模糊目标最终变成一棵可执行的任务树。每个节点都看不到全貌，却能各自在本地重建出计划的全部状态。
这个项目的作者一直在摆弄AI代理。他的两段独立探索恰好走在两条并行线上：一边是生成-打分-优化的循环——让一个代理写东西，另一个代理按量表打分，再用分数驱动改进，全程自动化。这套单进程的打分闭环效果不错，但总有一个中心在定义“什么算完成”。另一边，是用点对点网络库libp2p搭建的代理栈——代理们通过多播发现彼此，在发布/订阅总线上闲聊，不需要中央进程来协调分工。
两个想法在脑子里碰撞出了新问题：能不能在真实的规划步骤上，把二者合在一起？面对像“计划日本之行”这样的大而模糊的目标，不是靠单一进程决定怎么拆解，而是让一群代理去“打架”：一类代理提出拆分方案，另一类给各种方案打分、决定胜出者，第三类则在子目标足够小、具体到可以执行时接手执行。
这个探索有意思的地方倒不是AI部分本身——对大语言模型来说，把目标分解成子目标已经是个相对成熟的问题。真正吸引作者的是“没人是老大”这件事。如果分解代理刚提出一个拆分方案，它所在的进程就死了，整个计划会停摆吗？如果两个分解代理同时给同一个目标提出不同的拆分方案，谁该赢？其他代理在没有上级仲裁的情况下如何就结果达成一致？如果半路有新代理加入，它能否只靠听到的闲言碎语就弄清全局，而不需要任何人递上一份摘要？
围绕这些疑点，作者设计了几个明确想验证的东西：一个从目标到子目标再到可执行提示词的流水线，是否能在没有任何单进程拥有完整计划的前提下运作；让多个分解代理为同一个目标提出竞争性拆分方案，再让打分代理们相互角力，而不是单个打分员说了算；用一套声明/租约机制，防止多个执行者因为争抢同一份工作而重复劳动；以及一个晚加入、甚至只围观的对等节点，能否仅凭偷听重建出全部计划。
这套实验性系统的界面足够直接：提交一段纯文本目标，分解代理会调用大模型把它裂成几个子目标。随后，一个或多个打分代理会用量表给这次拆分打分，一旦有足够多打分员认可，这个拆分就会被接受。每一个还没有落到单一具体、可执行状态的子目标，都会继续进入同样的提议与打分循环。整个过程没有持票者，只有路过并留下消息的节点。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
