智能体规划Planning

Agent 的决策层。任务分解、推理链、搜索与反思——规划能力决定 Agent 能不能把一件事想清楚,而不只是答得漂亮。

最近 40 条 · 按发布时间倒序 · 全部历史周报

★★★★★

AICon 北京分享 GFlow 实践:用多 Agent 协作与验证机制完成游戏设计任务。

该分享拆解了 GFlow 在游戏设计场景中的多 Agent 落地实践,由多个 Agent 分工协作产出设计方案,并引入验证环节对结果做校验。内容覆盖任务拆解、Agent 间协作流程与验证机制的工程设计,属于面向具体垂直场景的 Agent 系统实践。

值得记下

在多 Agent 协作之外单独设置验证环节,是这套实践的核心结构;场景选在容错度较低的游戏设计任务上。

2026-11-13·infoq.cn规划
★★★★★

谷歌发布首款决策模型 Gemini Decision 1,9 项测试拿下 7 项第一,最高准确率 92.2%。

谷歌推出名为 Gemini Decision 1 的决策模型,官方将其定位为该公司首款面向决策场景的专用模型,而非通用对话模型。在公布的 9 项决策与规划类基准测试中取得 7 项第一,最高准确率 92.2%,测试维度涉及多步推理与路径选择类任务。

值得记下

决策被单独拆成一个模型品类并给出基准对比,9 项测试里 7 项第一、最高 92.2%,是目前公开可查的参照数值。

2026-11-12·infoq.cn规划
★★★★★

受控评测对比多种Agent架构在企业风格SOP流程中的成本与成功率权衡。

该研究在企业风格的标准作业流程上做受控实验,横向比较不同Agent架构方案,量化其任务成功率与调用成本之间的关系,给出各架构在SOP类任务上的权衡曲线与适用情形。

值得记下

用受控实验把架构选型从经验判断变成成本-成功率曲线,SOP类场景的对比数据不多见。

2026-11-11·arxiv.org规划
★★★★★

Google 发布 Gemini 4 Carbon,首次引入 Agent 群体协作(swarm)能力。

Google 正式发布 Gemini 4 Carbon 模型,新增能力中最受关注的是 Agent swarm,即多个 Agent 以群体协作方式共同完成任务。该能力被描述为 Gemini 系列首次引入,具体协作机制、任务调度方式与可用范围尚未在披露信息中展开。

值得记下

多 Agent 协作从第三方编排框架层面,进入基础模型厂商的原生能力清单。

2026-11-10·theverge.com规划
★★★★★

openJiuwen 开源 TTSE 经验学习框架,让 Agent 在任务执行中积累并复用经验实现自演进。

openJiuwen 开源 TTSE 经验学习框架,目标是让 Agent 从每次任务执行中沉淀经验并自我演进。其采用“双轨”机制,摘要将其列为关注重点,但未说明两条轨道各自承担的具体职能与实验数据。

值得记下

“双轨”是本条的核心变量:经验如何在任务内即时生效、又如何沉淀为跨任务的长期能力,正是自演进 Agent 的关键分歧点。

2026-11-10·qbitai.com规划
★★★★★

阿里千问办公押注 Team Agent,以多智能体协作切入企业办公流水线场景。

文章聚焦阿里千问办公的产品方向选择,称其将 Team Agent 作为核心路线,用多个智能体分工协作的方式接入企业办公流程,而非单点对话助手。文中围绕这一模式讨论企业 AI 从单任务工具走向流水线化协作的路径,涉及多智能体在办公场景中的角色划分与流程编排思路。

值得记下

办公场景的多智能体路线之争开始显形:从单助手问答转向按流程分工的 Agent 团队,切入点是既有办公流水线而非新建入口。

2026-11-10·geekpark.net规划
★★★★★

阿里发布千问办公2.0,推出支持多人与Agent共同协作的Team Agent形态。

千问办公升级至2.0版本,新增Team Agent,官方将其定位为首个支持多人与Agent协作的办公产品形态。在原有办公套件能力之上,引入多个真人成员与Agent在同一任务空间内分工协作的方式,区别于常见的单人对话式助手。

值得记下

把多人与多Agent放在同一个工作空间里协作当成产品形态,而非单人对话入口,协作粒度与权限划分是这一形态的核心设计点。

2026-11-09·qbitai.com规划
★★★★★

提出 CORE 方法,用粗到细搜索结合上下文管理支撑深度研究 Agent。

CORE 面向深度研究 Agent 的长链路检索场景,采用粗到细的搜索策略:先在宽范围上定位相关区域,再逐步收敛到细粒度证据;同时引入上下文管理机制,对检索过程中累积的内容做筛选与压缩,控制上下文长度。文中给出 harness 层面的设计组合与实验对比。

值得记下

把搜索粒度调度与上下文管理放在同一个 harness 里设计,为深度研究 Agent 的检索组织提供了一个可参照的结构。

2026-11-06·arxiv.org规划
★★★★★

预注册实验发现,多 Agent 交接过程中需求会被摘要丢失或篡改。

论文通过预注册实验检验多 Agent 交接环节的需求完整性,结果显示需求在摘要传递过程中会被遗漏或被改写,下游 Agent 接收到的任务与原需求出现偏差,作者将其归纳为企业级任务拆分中的需求完整性风险,并给出实验层面的证据。

值得记下

摘要式交接是需求失真的高发点,多 Agent 系统的失败可能不来自单个 Agent 的能力,而来自传递层。

2026-11-06·arxiv.org规划
★★★★★

一项研究对比对话 Agent 直接检索与委派子 Agent 检索两种模式在效率与上下文上的差异。

研究针对对话 Agent 的长会话检索问题,比较主 Agent 直接检索与委派子 Agent 执行检索两种方案,考察检索效率、主上下文占用以及检索历史保留情况三项指标,分析多轮对话中检索负载如何影响上下文预算与响应表现。

值得记下

检索从主 Agent 剥离给子 Agent 后,上下文占用与检索历史的取舍成为可量化的设计维度。

2026-11-06·arxiv.org规划
★★★★★

提出决策基础模型 Drex,探索超越自回归思维链的任务决策建模范式。

论文提出决策基础模型 Drex,尝试跳出以自回归方式逐步生成思维链的范式,直接对任务决策过程建模,讨论决策类基础模型应有的建模范式与训练路径,并给出相应的模型设计与实验验证。

值得记下

把思维链从推理手段改为被替代的对象,直接对决策本身建模,是规划方向少见的范式层尝试。

2026-11-06·arxiv.org规划
★★★★★

Amazon Quick 梳理出一套智能体原语分类法,包含触发器、智能体、能力与学习上下文。

AWS 在 Amazon Quick 中归纳出构建智能体的四类基础原语:触发器负责事件唤起,智能体承载执行逻辑,能力对应可调用的工具与动作,学习上下文提供记忆与状态,四类原语构成搭建企业级 Agent 的抽象层级。

值得记下

把 Agent 拆成四类可复用原语,与常见的“模型+工具+记忆”三分法相比多出触发器一层。

2026-11-06·aws.amazon.com规划
★★★★★

Greenlight Financial 用 AgentCore 搭建分层多智能体 SOC,自动处理超 90% 安全案件。

这是一篇客户案例,介绍 Greenlight Financial 基于 Amazon Bedrock AgentCore 构建自主安全运营中心(SOC)方案。采用分层多智能体架构,自动处理超过 90% 的安全案件,文中给出架构设计与情景记忆(episodic memory)的具体实现细节,属于可参照的生产级落地样本。

值得记下

90% 案件自动处理率是安全运营场景里少见的量化结果,分层多智能体加情景记忆是其架构骨架。

2026-11-06·aws.amazon.com规划
★★★★★

智象创始人梅涛提出「智能体化世界模型」概念,认为三条 AI 技术路线终将合流。

智象创始人梅涛在分享中提出「智能体化世界模型」的构想,主张世界模型与智能体两条技术路径最终走向融合。他梳理了当前 AI 领域的三条主要技术路线,并给出三者合流的判断,但现有信息未披露具体的模型参数、训练方法或工程细节。

值得记下

把「世界模型」和「智能体」放在同一条演进线上讨论,是近期少见的路线级整合判断,而非单点能力迭代。

2026-11-05·qbitai.com规划
★★★★★

论文针对多轮对话的上下文污染问题,提出 Agent 化的上下文管理方法,抑制早期误解累积。

作者指出,在多轮人机对话中,早期误解会随轮次累积并污染上下文,于是提出由独立 Agent 承担上下文的筛选、摘要与重写,在保留任务相关信息的同时剥离过时或错误内容。论文给出方法框架,并设置多轮任务上的对比实验来验证。

值得记下

上下文管理从被动拼接历史转为主动治理,由独立 Agent 判断哪些历史该保留、该改写、该丢弃。

2026-11-04·arxiv.org规划
★★★★★

英伟达发布工厂运营蓝图,演示多个 AI Agent 协同排查产线异常。

英伟达公布 Factory Operations Blueprint,给出工厂场景中编排多个 AI Agent 的参考架构:Agent 分别承担设备日志检索、根因分析与工单生成,通过统一编排层共享上下文,面向产线异常排查流程。蓝图包含组件分层、数据接入方式与部署参考。

值得记下

把多 Agent 编排落到具体工业流程(异常排查)上,并给出可复用的分层参考架构,而非单点模型能力展示。

2026-11-04·developer.nvidia.com规划
★★★★★

DeepSeek 开源 Super-agent 原型,探索自主智能体的架构与任务执行方式。

DeepSeek 对外开源了一个名为 Super-agent 的智能体原型,定位在自主任务执行方向,而非单纯的模型能力展示。该原型围绕智能体的架构设计与多步任务执行流程展开,具体参数与配套代码随开源一并放出,供开发者研究其规划与执行链路。

值得记下

以开源模型著称的 DeepSeek 把动作延伸到 agent 框架层,规划与执行链路的实现细节可直接查看。

2026-11-03·tmtpost.com规划
★★★★★

提出 Verify-Backtrack Loop 方法,使长程 Agent 在前置条件失效时进行结构化恢复。

论文针对长程语言 Agent 在执行中前置条件失效的问题,提出验证-回溯循环:先校验当前状态是否满足后续步骤所需的前置条件,不满足则回溯到可恢复节点并结构化地重建条件,而非整体重试或直接失败,属于 planning 方向的流程控制方法。

值得记下

把前置条件作为可显式校验和回溯恢复的对象,而不是依赖模型自行纠错;这是长程任务失败处理的一种显式化路径。

2026-11-02·arxiv.org规划
★★★★★

DeepSeek公布Super Agent架构设计探索,另含苹果市值超越英伟达、Meta传与傅利叶合作机器人。

DeepSeek团队发布Super Agent架构的设计探索,涉及智能体编排方式与决策架构设计。同期资讯还包括苹果市值超越英伟达重回第一,以及传闻Meta与傅利叶合作打造Muse机器人。

值得记下

DeepSeek首次公开智能体层面的架构设计,而非模型本身,编排与决策结构的具体取舍值得逐条对照。

2026-11-01·geekpark.net规划
★★★★★

提出 CALM 记忆治理框架,为长周期语言 Agent 处理记忆冲突与过期问题。

论文提出 CALM(Conflict-Aware Lifecycle Memory Governance)框架,针对长周期运行的 Agent 做记忆全生命周期管理。框架显式处理记忆之间的冲突,在记忆过期与语义相关性之间做权衡,避免旧记忆失效后仍被检索使用,也避免过度淘汰影响召回。研究给出该治理机制的设计与在长程任务上的评估。

值得记下

将记忆管理拆成冲突感知与生命周期治理两层,正面对上长期运行 Agent 中“旧记忆仍被检索”的典型失效模式。

2026-10-31·arxiv.org规划
★★★★★

DeepSeek 发布全新 Agent 架构,支持多智能体协同调度,实现 AI 指挥 AI 完成任务。

DeepSeek 发布一套全新 Agent 架构,核心是多智能体协同调度:由上层模型拆解任务并指挥下层 AI 执行,形成「AI 指挥 AI」的分工结构。发布内容聚焦架构层面的任务拆解、角色分配与调度编排能力,未披露具体模型版本与开放范围。

值得记下

编排权从人手里转到模型手里——「AI 指挥 AI」把多智能体调度的重心放在了任务分解与角色分配上。

2026-10-31·ifanr.com规划
★★★★★

论文研究临床多 Agent 会诊系统中的偏见问题,指出共识机制可能掩盖而非消除不公。

该研究提出“Disparity Laundering”(差异洗白)概念,分析临床多 Agent 会诊架构中多个 Agent 达成共识的过程。研究发现,多 Agent 协作并未降低偏见,反而通过共识聚合把个体层面的偏见差异转化为集体决策结果,使不公更难追溯。论文从协作架构设计角度讨论该现象的成因与识别难点。

值得记下

多 Agent 共识被当作去偏手段的假设在此被直接质疑:聚合环节本身可能就是偏见被掩盖的场所。

2026-10-31·arxiv.org规划
★★★★★

论文指出多 Agent 系统缺少可审计的信念更新安全层,主张将其作为独立组件补齐。

文章分析 LLM 驱动的多智能体系统,认为智能体内部信念状态的更新过程缺乏可审计机制,属于现有安全设计中的空白层。作者主张把可审计的信念更新作为独立组件引入系统架构,而非嵌入单个智能体。摘要未给出具体实现方案与实验。

值得记下

安全层的位置被重新定义:从输出过滤前移到智能体信念的每一次更新。

2026-10-31·arxiv.org规划
★★★★★

百度 APP 发布四项 AI 升级,称搜索已实现递归自我进化。

百度 APP 公布四大 AI 升级,覆盖搜索等核心入口。官方称搜索已具备递归自我进化能力,即由模型参与自身的迭代优化。这是国内大厂将 Agent 化能力嵌入搜索主产品的一种公开做法。

值得记下

把递归自我进化放进搜索主产品的叙述中,意味着模型迭代循环开始由产品侧承担,而不再只停留在实验室。

2026-10-30·qbitai.com规划
★★★★★

扩散模型被引入 Agent 决策场景,350 亿参数版本运行速度达到 Jev 的两倍。

研究团队将扩散模型用于 Agent 的行动生成与规划环节,发布 350 亿参数规模版本,实测推理速度为此前对照方案 Jev 的两倍。报道指出该路线与主流自回归模型在 Agent 任务上的表现形成对照,围绕采样步数、并行解码与长序列规划的取舍展开讨论,并引发社区对 Agent 底层架构选型的争论。

值得记下

扩散路线以并行去噪换取推理速度,与传统逐 token 生成的 Agent 架构形成了一次正面对照。

2026-10-29·qbitai.com规划
★★★★★

文章分析 Kimi 多智能体场景中子 Agent 空转消耗额度的现象,并介绍 Anthropic 的对应解法。

文章拆解了 Kimi 在多 Agent 协作下额度被快速消耗的原因:主 Agent 派发任务后,子 Agent 之间反复互相确认、来回传递上下文,形成没有产出结论的“无效会议”,token 消耗随 Agent 层级与数量成倍增长。文中引用了 Anthropic 在子 Agent 上下文隔离与任务边界划分上的做法,包括限制子 Agent 数量、规定返回结构和单次任务预算。

值得记下

子 Agent 的成本大头不在单价而在调用结构:层级越深、互相确认越多,无效 token 占比越高。

2026-10-27·tmtpost.com规划
★★★★★

系统实证多智能体工作流的通信拓扑与设计空间,以受控实验替代经验试错。

论文把多智能体工作流拆解为可比较的设计维度,包括通信拓扑、角色划分与轮次结构,并在统一实验框架下做系统实证,考察各设计选择对任务表现的影响。目标是把凭经验搭 workflow 的做法,转成可复用的设计空间描述。

值得记下

把通信拓扑当作可枚举、可比对的变量而非风格偏好——多 Agent 编排开始有了设计空间地图,而不只是个案经验。

2026-10-26·arxiv.org规划
★★★★★

InfoQ 长文梳理 Agentic Harness 架构从链式到图、再到代码的演进路径。

文章回顾 Agentic Harness 这一承载 Agent 运行的外层框架的三种形态:早期以线性链串联固定步骤;随后转向图结构,用节点与边表达分支、循环和状态;最新形态把控制流交给模型直接生成代码。文中对比三者在可调试性、可扩展性与错误恢复上的差别,并讨论各自的适用边界。

值得记下

控制流从框架硬编码移交模型生成代码,是这条演进路径上改动最彻底的一步,也把调试对象从图变成了生成出来的代码。

2026-10-26·infoq.com规划
★★★★★

拜耳作物科学基于 Amazon Bedrock AgentCore 搭建多智能体决策引擎并分享架构。

AWS 官方博客记录拜耳作物科学的实践:以 Bedrock AgentCore 为运行时,结合 AWS Unified Operations 构建面向农业场景的多智能体决策引擎。内容覆盖整体架构分层、智能体之间的编排与工具调用方式,以及落地过程中的经验与约束条件。

值得记下

大厂官方博客给出的多智能体决策引擎参考架构,是 AgentCore 在真实业务场景中的一手落地样本。

2026-10-23·aws.amazon.com规划
★★★★★

华为小艺 Work 实测体验,覆盖全媒体运营与深度研究两类 Agent 任务。

文章记录了作者在华为小艺 Work 上完成全媒体运营与深度研究两类任务的完整实测过程,从任务下发、多步规划到结果产出。内容按场景拆解了 Agent 的拆解路径、调用工具与中间输出,属于端到端产品体验记录,未披露模型版本与底层架构细节。

值得记下

大厂把 Agent 能力包进消费级入口,实测样本落在运营与调研这两类高频白领任务上。

2026-10-23·infoq.cn规划
★★★★★

OpenAI 将决策模型 Jev 的竞品全面开放,决策模型赛道竞争升温。

OpenAI 把此前受限的决策类模型向更广泛用户开放,与 Jev 等决策模型产品正面竞争。这类模型面向多步推理、方案权衡与结构化选择场景,输出可比较的决策结果而非单纯文本。开放范围扩大后,Agent 在规划与选型环节可选的底座模型增加。

值得记下

决策模型正从文本生成中分化出独立品类,Agent 规划层的模型选择因此多出一条产品线。

2026-10-22·techcrunch.com规划
★★★★★

论文用计算可分离性框架解释推理时 harness 的增益,说明多次调用并保持状态为何提升模型能力。

该研究从计算可分离性角度分析推理时脚手架的作用机制,论证通过多次模型调用并在调用之间保持状态,可把单次调用难以完成的计算拆分为可分别求解的部分,从而提升整体能力表现。为推理时编排策略提供了理论解释。

值得记下

为“多轮调用加状态保持”这类工程惯例补上了理论解释,把 harness 设计从经验试错拉向可分析的计算结构问题。

2026-10-21·arxiv.org规划
★★★★★

论文在金融审阅任务上对照单 Agent 与多 Agent 配置,比较多角色拆解是否带来收益。

研究在同一金融审阅任务上对比单 Agent 与多 Agent 两种 LLM 配置,考察拆分角色与流程后的表现差异。结果显示多 Agent 未必优于单 Agent,任务拆解引入的协调成本与错误传播会影响最终效果。

值得记下

这是一个反例:多 Agent 的收益取决于任务结构,在金融审阅这类任务上,拆分并未自动带来提升。

2026-10-21·arxiv.org规划
★★★★★

Cloudflare 开源 AI 智能体决策模型 Clef,为 Agent 决策架构选型提供新参考。

Cloudflare 开源了名为 Clef 的 AI 智能体决策模型,用于支撑 Agent 在运行时的决策过程。该模型以开源形式发布,可供开发者在自有 Agent 架构中集成或参考,主要面向决策层的设计问题,而非单纯的工具调用封装。

值得记下

由 CDN 与边缘计算厂商提出的 Agent 决策模型,意味着基础设施层玩家开始介入 Agent 的决策环节而非只提供运行环境。

2026-10-21·infoq.cn规划
★★★★★

腾讯混元发布 Terminal-RSI,以阿里模型为基座实现自我进化式提升

腾讯混元发布 Terminal-RSI,采用阿里模型作为基座,实现被称为“小 RSI”的自我进化式能力提升。命名指向模型的自我改进方向,公开摘要未披露训练数据构成、评测基准与具体提升幅度等参数细节。

值得记下

以其他厂商模型作基座的自我进化路线,使跨厂商基座复用成为一个值得留意的工程做法

2026-10-19·tmtpost.com规划
★★★★★

提出记忆驱动的主动式助手 ProPerAgent,由 Agent 自行判断是否以及何时介入。

论文提出 ProPerAgent,利用长期记忆建模用户状态与上下文,让助手自主决定是否需要主动发起交互以及介入的时机,而非被动等待用户提问。研究围绕记忆表示、介入时机判定与主动性评估设计展开,并给出与被动式助手的对比实验结果。

值得记下

把是否介入交由 Agent 自主判断,主动性从固定触发规则变成需要建模和评估的决策问题。

2026-10-19·arxiv.org规划
★★★★★

提出一种迭代式、以状态为中心的深度研究 Agent,将文献调研建模为多轮自主探索过程。

该工作提出 Optimist 深度研究 Agent,把文献调研任务建模为多轮迭代的自主探索:以显式维护的研究状态为中心,每轮基于当前状态决定下一步检索与读取动作,并持续更新状态。相比一次性生成式综述,该架构强调状态累积与多轮推进。

值得记下

把“状态”而非“对话历史”作为深度研究 Agent 的核心承载物,是长任务 Agent 架构的一种取舍方向。

2026-10-19·arxiv.org规划
★★★★★

国产决策模型StartLux登顶HuggingFace榜单,主攻Agent决策中枢。

HuggingFace发布榜单,国产决策模型StartLux位列SOTA。该模型主打成本控制与不确定性表达两项能力,定位为Agent的决策中枢,即在任务执行链路中承担判断与选择环节,而非通用对话生成。

值得记下

把不确定性表达作为核心能力,对应的是Agent在决策环节何时该停、该问、该放弃。

2026-10-18·tmtpost.com规划
★★★★★

Jev创始人访谈中批评RLHF路线绕了弯路,并判断下一代Agent与编程工具走向。

Jev创始人在访谈中系统质疑RLHF作为对齐主路径的有效性,认为其收益被高估;同时给出对下一代Agent形态与编程工具演进的判断,包括Claude Code一类产品不会主导下一阶段的原因。

值得记下

对当前主流对齐范式的直接否定,以及对Claude Code路线不构成下一时代的公开判断。

2026-10-18·huxiu.com规划
★★★★★

研究在企业政策场景下,Agent 决策应何时采用学习策略、何时依赖推理。

论文聚焦企业政策执行类任务,对比学习型策略与推理型决策两条路径,分析不同条件下的适用边界。摘要未给出具体任务集、模型规模与实验结论,属于对 Agent 决策范式的条件性讨论。

值得记下

学习与推理并非二选一,论文试图给出切换条件,这类边界判断在企业政策自动化中往往决定架构走向。

2026-10-15·arxiv.org规划