61 lines
2.0 KiB
Markdown
61 lines
2.0 KiB
Markdown
---
|
||
title: Agent网络更新行为
|
||
created: 2026-05-01
|
||
updated: 2026-05-01
|
||
type: concept
|
||
tags: [llm, architecture]
|
||
sources: [papers/song-agent-network-taxonomy.md]
|
||
---
|
||
|
||
# Agent网络更新行为 (Agent Network Update Behavior)
|
||
|
||
> **静态 vs 动态**更新——决定 Agent 网络的结构在运行时是固定不变还是会自适应演化。[[agent-network-taxonomy]] 的第三层分类维度。
|
||
|
||
## 静态更新 (Static)
|
||
|
||
通信图、策略和记忆配置在初始化后保持不变：
|
||
```
|
||
E^(t+1) = E^(t)
|
||
Π^(t+1) = Π^(t)
|
||
M^(t+1) = M^(t)
|
||
```
|
||
|
||
**特性**：行为完全由初始设计决定，运行时无自适应
|
||
|
||
**代表系统**：MetaGPT (固定角色流水线)、ChatDev (预设多角色)、HuggingGPT (固定调度器)
|
||
|
||
## 动态更新 (Dynamic)
|
||
|
||
结构组件基于交互历史或执行结果自适应演化：
|
||
```
|
||
E^(t+1) = Φ(E^(t), {o_i^(t)})
|
||
Π^(t+1) = Ψ(Π^(t), {o_i^(t)})
|
||
```
|
||
|
||
**特性**：路由、角色分配、记忆检索策略在运行时调整
|
||
|
||
**代表系统**：
|
||
- SWE-agent：根据调试失败动态修改搜索和修复工作流
|
||
- OPTIMA：控制器根据部分进展自适应路由
|
||
- Generative Agents：根据社交上下文动态修改角色分配和记忆策略
|
||
- AgentNet：去中心化进化协调，拓扑和策略在每代更新
|
||
|
||
## 静态 vs 动态权衡
|
||
|
||
| 维度 | 静态 | 动态 |
|
||
|------|------|------|
|
||
| 可预测性 | 高 | 低 |
|
||
| 适应性 | 无（预设固定） | 强（环境响应） |
|
||
| 复杂度 | 低 | 高（需更新逻辑） |
|
||
| 稳定性 | 稳定 | 可能振荡/发散 |
|
||
| 适合场景 | 定义明确的重复任务 | 开放域探索、长周期任务 |
|
||
|
||
## 关键挑战
|
||
动态系统面临的核心问题：**更新不稳定**——并发更新可能放大微小不一致，agent 反复覆盖彼此状态（在 AWI、OASIS 等系统中观察到）。
|
||
|
||
## 相关概念
|
||
- [[agent-network-taxonomy]] — 完整分类法
|
||
- [[agent-network-memory-scope]] — 记忆维度
|
||
- [[agent-network-topology]] — 拓扑维度
|
||
- [[song-agent-network-taxonomy]] — 父论文
|