EvidenceBus：可审计的多智能体低开销协作系统

本项目面向“多智能体协作中的低开销通信、非文本状态传递与共享记忆复用”赛题，实现了一条可运行、可复现、可审计的多 Agent 协作链路。

系统注册 9 个具体 Agent。正式评测固定执行：

planner → researcher → executor → summarizer → verifier

结构化模式不只是把自然语言换成 JSON：planner 生成真实查询 embedding 并写入 multiprocessing.shared_memory，researcher 通过 state_id 读取并用于记忆检索； executor 在受限 CodeAct 子进程中生成工具证据，summarizer 解引用该证据后生成答案。每次状态读取都记录生产者、消费者、用途、字节数及 SHA-256 完整性结果。

作品特点

证据寻址通信：协议只传动作、紧凑参数及 state_id/memory_id，大对象保留在状态层。
真实状态消费：报告同时记录状态发布和读取，不以“写入数据库行数”冒充机制生效。
完整性保护：embedding 二进制和 CodeAct artifact 均校验 SHA-256；篡改状态会被拒绝。
持久共享记忆：SQLite 记忆支持关键词、标签、embedding 和动态 links 混合检索。
公平配对 A/B：相同模型、seed、Agent 链路、工具计划和重试策略；两种模式使用隔离数据库并交替执行顺序。
质量硬门槛：缺关键事实、编造本地路径或未读取状态的结果不会被算作质量通过。
不隐藏协议成本：应用 token、握手 token、二者合计和用户输出分别统计。

正式 A/B 结果

正式实验包含 2 组关联任务、每轮 4 个案例、10 轮，共 40 对、80 次完整运行。

指标	文本模式	结构化模式	结构化相对变化
质量通过	11/40（27.5%）	30/40（75.0%）	+47.5 个百分点
Agent 应用 token/运行	4303.05	1062.08	-73.64%
协议 token/运行	0	31.33	一次握手摊入 40 次运行
合计 token/运行	4303.05	1093.40	-72.44%
合计字符/运行	13133.15	3413.43	-72.02%
应用消息/运行	5.00	5.00	0
消息与协议事件/运行	5.00	5.25	+5.00%
平均耗时/运行	45169 ms	44163 ms	无显著结论

合计 token 的配对 bootstrap 95% CI 为 [-75.59%, -68.30%]。时延相对差异的 95% CI 为 [-6.41%, 9.31%]，跨越 0，因此本项目不声称已证明显著时延改善。

在两种模式都通过质量门槛的 7 对样本中，合计 token 下降 70.35%，95% CI 为 [-80.56%, -50.91%]。低质量样本仍保留在全部样本统计中。

原始数据和完整性审计：

审计绑定的正式结果 SHA-256：

f71bab7a516353d2316911aabfb36dffe529f26870ea1204b6c63ca8529e7595

正式五变体消融

正式消融使用相同 4 个案例、10 轮、完整 5 消息 Agent 链和工具计划；5 个变体各运行 40 次，共 200 次。失败样本全部保留。

变体	质量通过率	平均合计 token	相对文本配对 token 变化	状态/记忆证据
文本基线	25.0%	4715.05	—	无状态传递
仅结构化协议	0.0%	1392.23	-68.17%	无状态传递
协议 + 状态	52.5%	1503.70	-65.51%	80 次已校验读取
协议 + 状态 + 记忆	55.0%	1533.55	-64.82%	1.925 次记忆命中/运行
完整系统 + 记忆图	57.5%	1559.75	-64.23%	1.925 次图命中/运行

完整系统相对文本基线的配对合计 token 变化为 -64.23%，95% CI [-68.33%, -58.87%]；质量通过率提高 32.5 个百分点，95% CI [17.5, 47.5]。时延变化为 +16.36%，95% CI [-4.66%, 38.05%]，区间跨越 0，因此不声称时延有显著改善。

消融揭示了关键机制差异：协议压缩本身会损伤质量；加入真实 embedding 和 CodeAct 状态消费后，质量从 0% 恢复到 52.5%。记忆和记忆图继续提高质量，但分别增加少量 token 开销。

消融原始结果 SHA-256：

7c2fb3d4d8eea961c8dc3167b7e2b3943718737f561eccdd54f4fdfc98ec5282

快速验证

目标操作系统为 openEuler 24.03-LTS-SP3。项目使用 Python 3；本地整理验证环境的 Python 版本为 3.13.13。进入源码目录：

cd source_code
python3 -m pip install -r requirements.txt

运行核心测试：

python3 -m experiments.test_protocol
python3 -m experiments.test_mode_features
python3 -m experiments.test_state_bus
python3 -m experiments.test_quality_gate
python3 -m experiments.test_tools

配置本地 Ollama：

export LLM_BACKEND=ollama
export OLLAMA_BASE_URL=http://127.0.0.1:11434
export LLM_MODEL=qwen3:8b
export OLLAMA_THINK=false
export OLLAMA_NUM_PREDICT=768
export LLM_SEED=2026

export EMBEDDING_BACKEND=ollama
export OLLAMA_EMBED_MODEL=bge-m3
export EMBEDDING_TIMEOUT=60
export TOKEN_COUNT_METHOD=tiktoken
export TIKTOKEN_ENCODING=cl100k_base

正式运行与审计：

export STATE_BACKEND=shared_memory
export CODEACT_SANDBOX=subprocess
export CODEACT_PLAN_MODE=protocol
export RIGOROUS_ROUNDS=10
python3 -m experiments.rigorous_benchmark
python3 -m experiments.audit_rigorous_results

启动演示面板：

python3 -m experiments.dashboard

浏览器访问 http://127.0.0.1:8765。

答辩与提交材料

文档

.
├── README.md
├── SUBMISSION_CHECKLIST.md
├── 设计文档.md
├── 技术报告.md
├── 操作系统开源创新大赛-作品原创承诺书.docx
├── 哆啦A梦队-EvidenceBus-答辩PPT.pptx
├── 哆啦A梦队-EvidenceBus-演示视频.mp4
├── docs/
│   ├── contest_requirements.md
│   ├── demo_video.md
│   └── submission_status.md
└── source_code/
    ├── multi_agent/
    ├── experiments/
    ├── docs/
    ├── reports/
    ├── README.md
    ├── requirements.txt
    └── requirements-optional.txt

当前边界

上述 10 轮 A/B 在 openEuler 24.03 LTS-SP1 开发环境完成；提交前仍须在比赛指定的 LTS-SP3 环境重跑并保留日志，不能把 SP1 结果冒充 SP3 证据。
已完成 LTS-SP1 上 10 轮、5 变体、200 次正式消融和独立审计；LTS-SP3 仍待复现。
已实现 embedding 与工具 artifact 状态交换，未实现 KV-cache 或 hidden-state 跨模型复用。
CodeAct 使用 Linux 资源限制下的独立 Python 子进程，不等同于容器或虚拟机级强隔离。
仓库根目录已包含设计文档、技术报告、作品原创承诺书、答辩 PPT 和演示视频。