外網爆火，比Vibe Coding便宜10倍！北郵重構多智能體編排范式

新智元報道

編輯：LRST

【新智元導讀】北京郵電大學團隊開源的MASFactory框架，用Vibe Graphing重構多智能體系統編排。它將自然語言指令轉化為結構化工作流，三步完成角色分配、拓撲設計與語義補全，API成本降為傳統方式的十分之一，代碼量暴減，開發效率飆升。系統以圖為核心，支持混合編排與全?？梢暬淹ㄟ^多項權威測試，性能全面超越同類方案。

外網爆火，比Vibe Coding便宜10倍！北郵重構多智能體編排范式

近日，YouTube等外網平臺上一段名為《Vibe Graphing: 10x More Affordable than Vibe Coding (MAS-Factory)》的技術解析視頻在開發者圈層中引發了強烈的共鳴與熱議。

視頻中給出的數據令人咋舌：在同等任務復雜度下，傳統的Vibe Coding試錯成本高達數美元，而采用一種名為「Vibe Graphing」的全新范式，API成本直接驟降至原來的十分之一，且成功率大幅躍升。

這支視頻背后的主角，正是由北京郵電大學團隊最新開源的LLM多智能體編排框架——MASFactory。

項目官網: https://masfactory.dev

代碼倉庫: https://github.com/BUPT-GAMMA/MASFactory

原版論文: https://arxiv.org/abs/2603.06007

目前，該項目已在GitHub全面開源，學術論文也已同步發布。

Vibe Coding在多智能體編排水土不服

伴隨著基礎大模型能力的溢出，業界形成了一個明確的技術共識：通過角色特化、交叉驗證和迭代協作，多智能體系統（MAS）能夠解決單一 Agent 難以覆蓋的長周期復雜任務。

然而，構建一個健壯、可擴展的 MAS，依然是一場令人筋疲力盡的工程「泥沼戰」。

現有的編排框架主要分為兩個派別：

• 一是硬編碼派（Imperative/Declarative），要求開發者學習特定的 DSL，手動維護極其復雜的通信邏輯與狀態同步。這種方式靈活性高，但工程成本極其高昂。

• 二是端是可視化拖拽派，雖然大幅降低了門檻，但在面對需要深度定制的多層次復雜拓撲結構時，滿屏蜘蛛網般的連線會讓后續的維護和擴展形同災難。

即使是當下備受矚目的Vibe Coding范式，也難以彌補上述兩種開發范式的缺陷。

由于大多數大語言模型在訓練時缺乏對各類小眾DSL（特定領域語言）的充分學習，當Vibe Coding工具面對硬編碼框架時往往顯得水土不服。

這不僅意味著開發者需要付出額外的Token成本來讓模型預習DSL語法，還投入大量精力，去約束AI遵循DSL的拓撲規范與通信邏輯，導致開發體驗大打折扣。對于可視化拖拽派，Vibe Coding工具更是難以入手。

Vibe Graphing

多智能體編排的一等公民

Vibe Graphing工具本質上是一個「自然語言意圖 -> 結構化中間表示（IR） -> 可執行工作流」的編譯器。

與Vibe Coding簡單粗暴地讓AI直接吐出底層代碼不同，Vibe Graphing將MAS的構建抽象為一個極具秩序感的三階段設計過程。在引擎內部，這被封裝為由三個Agent驅動的Loop組件：

階段一：角色分配（Role Assignment）。

系統首先剝離所有的代碼實現細節，只關注「人」。當開發者輸入諸如「幫我構造一個文獻綜述工作流」的自然語言指令時，引擎會將任務意圖映射為一組候選智能體（如檢索員、閱讀員、寫作員、評審員），并劃定嚴格的責任邊界。

階段二：拓撲設計（Topology Design）。

確定角色后，系統開始構建一張有向圖拓撲骨架。這個骨架只定義節點間的消息依賴和執行順序（如串行、并行、循環），而不涉及任何具體的 Prompt 或工具調用。

階段三：語義補全（Semantic Completion）。

最后，系統對拓撲骨架進行參數化實例化，為每個節點精準配置指令、輸入輸出約束。

因為AI每次只需要生成或修改極其簡短的JSON拓撲配置，而不是幾千行的 Python 邏輯代碼，Token消耗呈指數級下降；從而達到了比Vibe Coding節省10倍token的效果。

MASFactory

以圖為中心的四層架構

Vibe Graphing 能夠如此優雅地運行，是因為 MASFactory 擁有一個底層圖引擎，它將多智能體工作流建模為有向計算圖。整個系統被科學地劃分為四個層次：

圖骨架

在最底層，系統完全由 Node（節點）和 Edge（邊）構成。MASFactory 極其硬核地對協作信號進行了物理隔離，拆分為三種流：

• 控制流（Control Flow）：沿著有向邊傳播，嚴格推進調度與依賴，確保執行的因果時序。

• 消息流（Message Flow）：橫向傳遞，將節點的輸出有效載荷精準投遞給下游節點。

• 狀態流（State Flow）：在圖與子圖的樹狀層級結構間縱向傳播，實現自治域的上下文和運行時狀態同步。

組件層與可復用層

基礎的節點被進一步抽象為豐富的組件庫。除了遵循感知-推理-行動（Perception-Reasoning-Action）范式的基礎Agent外，系統還提供了：

• Graph: 用于表達子圖嵌套結構，方便進行模塊化設計。

• Loop：用于表達循環結構，用語實現反思（Reflection）、多輪辯論等博弈模式。

• Switch：Switch 能夠根據運行時狀態動態選擇并激活特定分支，實現了復雜的動態路由控制。

• 無縫嵌套機制：任何一個 Graph 都可以作為子節點無限嵌套到更高維度的圖中。通過 NodeTemplate 和 ComposedGraph 機制，開發者可以輕松實現分支級別的拓撲復用，減少代碼冗余。

協議與上下文適配層

現代MAS應用不可避免地需要整合異構的外部組件（Memory、RAG、MCP等）。

MASFactory引入了兩種適配器：

• Message Adapter：將底層圖結構與具體的通信協議解耦。開發者可以在不修改拓撲的前提下，自由切換 JSON Schema、Markdown 或定制化的通信協議。

• Context Adapter：面對外部復雜的記憶系統、RAG、MCP，Context Adapter 提供了一個標準化的接口。它將異構上下文切片為標準單元，使得 MASFactory 能夠像插拔 U 盤一樣無縫對接到 LlamaIndex、Mem0 等前沿框架中。

混合編排與可視化交互層

在操作入口上，MASFactory 同時兼容代碼開發（聲明式、命令式）、可視化拖拽以及 Vibe Graphing。

值得注意的是，這三種方式不僅不沖突，反而可以在同一個大型項目中混合嵌套使用。你可以用代碼硬編碼一個底層極度嚴謹的工具子圖，再用 Vibe Graphing 生成一個靜態結構圖，最后用可視化拖拽方式將他們組合在為一個完整的Workflow。

此外，MASFactory也提供一款深度集成的 VS Code 擴展工具——MASFactory Visualizer。它可以在代碼編排階段、拖拽式編排階段、Vibe Graphing階段、調試運行階段提供全棧的可視化支持。

代碼編排預覽

拖拽式工作流設計

Vibe Graphing 交互

運行時監測與追蹤

性能評估

MASFactory在 HumanEval、MBPP、BigCodeBench、SRDD、GAIA、MMLU-Pro 等七大覆蓋代碼生成與復雜推理的主流 Benchmark 上給出了具有說服力的數據。

實驗表明，MASFactory 能夠極為穩定且高效地復現當前業界最具代表性的系統（包括 ChatDev、MetaGPT、Agent Verse、CAMEL、HuggingGPT 等），且在多項指標上表現優于原始硬編碼實現。

參考資料：

https://arxiv.org/abs/2603.06007

https://github.com/BUPT-GAMMA/MASFactory