项目简介: 当前主流多 Agent 协作系统普遍依赖纯自然语言完成智能体间的任务交互与状态同步，该模式下自然语言有效信息密度低，存在大量解释性、过渡性冗余内容，直接导致 LLM 交互 Token 成本高、上下文长度不可控、推理延迟高；同时相似任务重复推理现象严重，状态传输依赖文本序列化，整体协作效率与资源利用率偏低，难以适配高频、多轮关联的智能任务场景。 针对上述痛点，本项目构建 “通信优化 — 状态优化 — 记忆优化” 三层递进式技术架构，打造高内聚、低耦合的低开销多 Agent 协作系统。核心创新包括：自研结构化 ACP 通信协议，以高密度固定字段报文替代自由文本交互，内置握手鉴权、能力发现与版本校验机制；创新非文本向量状态传递链路，直接以 Embedding 向量完成 Agent 间状态同步，结合相似度筛选精简模型输入上下文；搭建带完整元数据的全局共享记忆库，基于向量语义检索实现跨任务智能复用，命中后短路全推理流程。 系统同时内置 CodeAct 代码沙箱与 CGroup 资源管控模块，支持问答 + 代码混合任务，可稳定运行于 openEuler、Ubuntu 等开源操作系统。多组对照与消融实验表明，系统可实现 70%~80% 的 Token 与耗时削减，记忆命中场景下 Token 消耗归零，兼具技术创新性、实验严谨性与工程落地性。 运行说明： 请见部署分档 讲解视频： 链接：https://pan.quark.cn/s/4e2e8aba152e