Kite AI @GoKiteAI 分享了一篇挺有意思的研究： 多智能体系统（MAS）如何学会“规划”。 简单讲，就是 AI 代理之间怎么更聪明地分工合作。 他们介绍了一种新方法： Agent-Oriented Planning（AOP）。让主控代理（Meta-Agent）更合理地拆任务、分配任务、整合结果。 因为现在很多多代理系统，其实都存在一个老毛病： 任务拆太细、分得乱、还容易重复。AOP 就是为了解决这个。 📋 AOP 有三条核心原则： Solvability：每个子任务能独立完成； Completeness：所有子任务加起来能解决原问题； Non-Redundancy：不重复、不多余。 在这三条规则下，AOP 的流程是这样的： → 用户提问 → Meta-Agent 拆解任务 → Detector 检查重复或缺漏 → Reward Model 预测可行性 → 各个代理执行 → 不断反馈优化。 实验里研究团队用 GPT-4o 当主控代理，让它协调数学、搜索、代码、常识四类子代理。 结果显示：比单智能体系统准确率高 10%，比普通多智能体系统高 4%，成本稍高，但结果更稳。 未来方向也很清晰： 1️⃣ 让代理之间也能互相协作（agent-to-agent）； 2️⃣ 引入人类参与（human-in-the-loop）； 3️⃣ 建立信任机制（trust & verification）， 特别是在代理能花真钱的时候，比如买机票、支付服务。 最后 Kite AI 也提到他们的愿景： 在构建一套让代理真正能自己做事、还能被信任的基础设施。包括身份系统、支付、治理、验证。这其实是在为整个 AI Agent 经济打底。(币圈女菩萨 | Pizza披萨🍕Ⓜ️Ⓜ️T)