告別昂貴賬單，Token直降68%，多智能體動態(tài)協(xié)作編程來了

本文的主要作者來自上海交通大學(xué)自動化與感知學(xué)院 i-WiN 中心團(tuán)隊(duì)，團(tuán)隊(duì)負(fù)責(zé)人是上海交通大學(xué)講席教授關(guān)新平。本文的通訊作者為 i-WiN 中心陳彩蓮教授和關(guān)新平教授，指導(dǎo)老師還包括中心的許齊敏副研究員、徐磊和張延洲助理研究員。本文的第一作者為上海交通大學(xué)博士生王思宇，研究方向涉及多模態(tài)大模型、CAD 生成、多智能體、Agentic RL 等。

在當(dāng)下 Vibe Coding 火熱的背景下，軟件開發(fā)正迅速從 “人寫代碼” 轉(zhuǎn)向 “人指揮智能體寫代碼”。以 Claude Code、OpenClaw 為代表的系統(tǒng)，讓智能體能夠自主完成編碼、調(diào)試乃至完整任務(wù)流程。然而，面對系統(tǒng)級開發(fā)或競賽級算法等復(fù)雜問題，單一模型的能力邊界依然明顯，多智能體協(xié)作逐漸成為主流范式

但現(xiàn)有方法大多仍停留在兩種典型路徑。一類如 Claude Code 的Agent Teams，通過并行調(diào)用多個模型來提升能力上限，但也帶來了極高的 Token 成本；另一類則以當(dāng)下熱門的 OpenClaw 為代表，通過技能組合與流程編排實(shí)現(xiàn)多智能體管理，在工程上更可控。

然而，這類方法的協(xié)作結(jié)構(gòu)大多仍依賴預(yù)定義規(guī)則或靜態(tài)流程，本質(zhì)上解決的是 “如何組織調(diào)用”，而非 “如何根據(jù)任務(wù)動態(tài)調(diào)整協(xié)作方式”。這就像不論修自行車還是造火箭，都派同一個十人專家組開三天會，導(dǎo)致智能體冗余通訊與大量的 Token 消耗，最終給用戶帶來了極高的自主編程成本

上海交通大學(xué) i-WiN 團(tuán)隊(duì)最新提出多智能體框架AgentConductor，通過引入一個經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練后的3B 參數(shù)指揮智能體，從根本上解決了這個問題。它會先評估任務(wù)難度，并生成一張以 YAML 表示的交互拓?fù)鋱D：簡單任務(wù)使用輕量團(tuán)隊(duì)，復(fù)雜任務(wù)則使用更復(fù)雜的交互圖，實(shí)現(xiàn)能力與成本的自適應(yīng)匹配。

圖 1.(a) 拓?fù)浣Y(jié)構(gòu)的 YAML 表示與實(shí)際圖結(jié)構(gòu)的映射；(b) AgentConductor 拓?fù)渖膳c演化過程展示

更關(guān)鍵的是，AgentConductor 并非一次性規(guī)劃：當(dāng)生成代碼運(yùn)行失敗時，指揮智能體會根據(jù)環(huán)境反饋的錯誤信息，結(jié)合記憶中的歷史軌跡，對拓?fù)溥M(jìn)行端到端重新生成，從而探索新的協(xié)作形式。實(shí)驗(yàn)結(jié)果表明，該方法在顯著提升編碼準(zhǔn)確率（+14.6%）的同時，將 Token 成本降低了 68%。這說明真正高效的 AI 編程團(tuán)隊(duì)需要的是一種面向任務(wù)、可隨執(zhí)行反饋動態(tài)演化的協(xié)作結(jié)構(gòu)，而非僵化的一刀切工作流。相關(guān)論文已經(jīng)公開，代碼將于近期開源。

• 論文名稱：AgentConductor: Topology Evolution for Multi-Agent Competition-Level Code Generation
• 論文鏈接：https://arxiv.org/abs/2602.17100

社區(qū)影響力

圖 2 展示了 AgentConductor 工作在國際 AI 社區(qū) (X, 前身 Twitter) 引發(fā)的廣泛關(guān)注與認(rèn)可。這項(xiàng)工作被知名 AI 分享博主 DAIR.AI 當(dāng)日置頂宣傳并評為 2026 年 2 月 23 日–3 月 1 日 Top AI Papers，并獲得新銳 AI 科技博主 Rohan Paul 對 i-WiN 團(tuán)隊(duì)和論文的高度評價(jià)。

圖 2.AgentConductor 得到 DAIR.AI 與 Rohan Paul 等賬號推薦

核心特色與方法介紹

1. 基于 YAML 的新型多智能體交互圖結(jié)構(gòu)

相比傳統(tǒng)多智能體拓?fù)?，我們在表示形式與交互機(jī)制兩個層面進(jìn)行了設(shè)計(jì)與優(yōu)化。

1.1 表示形式

傳統(tǒng)方法多采用連接矩陣等數(shù)學(xué)形式來描述交互圖，不僅可讀性差，也難以直接編輯與校驗(yàn)，更無法由大模型端到端生成；近期工作嘗試使用自然語言描述，但存在拓?fù)洳粐?yán)格、難以結(jié)構(gòu)化約束等問題。我們使用 YAML 結(jié)構(gòu)化表示交互圖 (圖 1 (a))，使其既具備可讀性，又支持程序化校驗(yàn)與約束，并可由 LLM 直接生成。這種形式在設(shè)計(jì)上與當(dāng)前流行的Skill 配置文件具有一致性，便于理解與落地。

圖 3. 本文交互拓?fù)浣Y(jié)構(gòu)與傳統(tǒng)方法的對比

1.2 交互形式

如圖 3 所示，傳統(tǒng)鏈?zhǔn)?、樹狀拓?fù)浞謩e限制并行性、通信范圍或連接靈活性，而全連接結(jié)構(gòu)又過于復(fù)雜。我們?nèi)诤隙喾N拓?fù)鋬?yōu)勢，支持層內(nèi)并行和跨層通訊且每個智能體可任意鏈接之前的歷史節(jié)點(diǎn)，在提升表達(dá)能力的同時避免不必要的通信開銷

2. 訓(xùn)練范式

2.1 SFT + GRPO 的兩階段訓(xùn)練范式

AgentConductor 采用兩階段訓(xùn)練策略，只訓(xùn)練一個指揮智能體：

監(jiān)督微調(diào)（SFT）：基于 GPT-4o 生成的 4,500 個高質(zhì)量拓?fù)錁颖荆ǜ采w三檔難度），賦予基礎(chǔ)模型拓?fù)湎闰?yàn)；

基于 GRPO 的多輪端到端 Agentic 強(qiáng)化學(xué)習(xí)訓(xùn)練：將環(huán)境反饋的代碼報(bào)錯和多輪的拓?fù)湮谋疽黄鹱鳛檐壽E (Trajectory) 來用于智能體的強(qiáng)化學(xué)習(xí)訓(xùn)練，基于 GRPO 算法優(yōu)化模型的拓?fù)渖刹呗砸宰畲蠡瘡?fù)合獎勵，最終實(shí)現(xiàn)低 Token 成本的高質(zhì)量代碼生成。

圖 4. AgentConductor 的總體框架

2.2 拓?fù)涿芏仍u估函數(shù)

為實(shí)現(xiàn)任務(wù)自適應(yīng)，我們將問題分成三檔難度，并根據(jù)從 Token 成本到拓?fù)涿芏鹊男问交成?，提出了拓?fù)涿芏仍u估函數(shù)并作為獎勵函數(shù)一部分。綜合刻畫節(jié)點(diǎn)數(shù)、邊密度與圖深度對通信成本的影響。

我們在論文中證明，多智能體系統(tǒng)的平均通信成本可形式化為：

其中 d 為圖深度， m 為提示詞最大長度。相比之下，傳統(tǒng)方法大多簡單的通過矩陣的秩來衡量交互密度，丟失了多智能體交互的數(shù)學(xué)含義

實(shí)驗(yàn)結(jié)果展示

我們在三個競賽級（APPS, LiveCodeBench, CodeContests）與兩個基礎(chǔ)代碼數(shù)據(jù)集（HumanEval, MBPP）上評估 AgentConductor（基于 Qwen-2.5-3B-Instruct）：

表 1. AgentConductor 的 pass@1 準(zhǔn)確率對比

表 2. AgentConductor 在性能、成本及平均拓?fù)涿芏确矫娴谋容^結(jié)果

表 1 說明，AgentConductor 以僅 3B 參數(shù)量，在 APPS 上顯著超越最強(qiáng)基線，同時減少了最多 68% 的 completion token 消耗，并實(shí)現(xiàn)最高拓?fù)湎∈瓒取８匾氖牵到y(tǒng)展現(xiàn)出細(xì)粒度難度適配能力：在 easy 任務(wù)上使用極簡拓?fù)洌ㄆ骄?3–4 節(jié)點(diǎn)），在 hard 任務(wù)上自動擴(kuò)展至 8–10 節(jié)點(diǎn)，而多數(shù)基線無論難度均維持固定密度。（* 更多結(jié)果詳見論文）

結(jié)語：多智能體系統(tǒng)正在學(xué)會組織自己

過去，多智能體系統(tǒng)常被視為“堆人力”的暴力解法：越多AI越好。但AgentConductor 證明，智能協(xié)作的關(guān)鍵不在于數(shù)量，更在于結(jié)構(gòu)的適應(yīng)性。它標(biāo)志著多智能體研究從“靜態(tài)工作流”邁向“動態(tài)生態(tài)系統(tǒng)”。 AgentConductor 不僅是一項(xiàng)工程優(yōu)化，更代表了一種新范式：將多智能體協(xié)作視為可學(xué)習(xí)、可演化的結(jié)構(gòu)化決策過程。 通過將任務(wù)難度、執(zhí)行反饋與通信成本統(tǒng)一納入強(qiáng)化學(xué)習(xí)框架，我們實(shí)現(xiàn)了準(zhǔn)確率與效率的協(xié)同提升。