微软 Agensh：去掉中心编排器，1024 个 Agent 自组织协作

PaperSkill 2026-10-05 11:38 河南 以下文章来源于：PaperToday **PaperToday** 试过趁手的 Skill，分享给你  大家好，我是PaperTody，努力做最Nice的分享。 现有的Coding多智能体框架——**Codex sub-agent、Claude Code agent teams、Copilot fleet、Kimi Agent Swarm**——全都绕不开一个角色：**中心编排器**。任务分得好不好、worker管不管得过来，全看它的脑容量。系统能扩到多大，天花板就是编排器能管多少人。[Google：首篇词元（Token）技术全景综述](https://mp.weixin.qq.com/s?__biz=Mzk0MTYzMzMxMA==&mid=2247512384&idx=1&sn=c86c62924fb43cde2c9d9d9db8353dee&scene=21#wechat_redirect)  微软这篇《**Agensh**》的选择是：**把编排器砍了**。1024 个 agent 没有老板，靠一套自组织协作循环（Cooperation Loop）加三件基础设施，6 小时断网从零重建 pandoc，**测试通过率从单 agent 的 33.89**% 干到 **55.06**%。  图1：pandoc 任务从 1 到 1024 个 agent 的扩展曲线，以及随规模涌现的自组织合作形态  ## **砍掉编排器，自己组织** 先看范式对比。左边是旧的：编排器负责规划、分解、派活、整合，worker只是执行手脚。这套结构还有两个隐形成本——**编排器往往得专门训练**，而且它的管理能力就是整个系统的规模上限。  右边是 Agensh：没有中心节点，worker 之间通过一套轻量基础设施共享状态、广播进度、互相协调。**任务发现和分配这件事，由worker群体自组织完成**。 ## **五步循环：没有老板，活怎么分** 砍掉老板之后，第一个问题是活谁来分。Agensh 的答案是一个每个 worker 都在跑的五步协作循环：  图3：Agensh 多智能体协作循环（Multi-Agent Cooperation Loop）——收集上下文、认领子任务、执行、验证、合并，异步重复 1. **Gather context**：读共享目标、看同伴进度和留言，搞清楚什么做完了、什么还空着； 2. **Claim sub-task**：自己提议一个子任务，往共享上下文里写一条 CLAIM 宣布认领；**撞车了就用直消息私聊解决**； 3. **Take action**：本地干活，过程中一旦发现对同伴有用的结论，立刻广播出去； 4. **Verify results**：对照验收标准自查，不达标就改到达标； 5. **Merge progress**：合并进共享工作区，发布改动说明和验证证据；合并冲突就先同步同伴成果、解冲突、再合。 全程**异步**，谁也不等谁。循环跑完回到第一步，找下一块活。 ## **三件套：Git 当办公室，聊天软件当走廊** 循环要转起来，靠的是三件基础设施，而且全是现成的开源件：  图4：Agensh 组织基础设施——共享工作区、消息接口、共享上下文 * **共享工作区 = Gitea**。组织的工作成果全在 Git 里：私有分支干活，PR 合主干，冲突检测、版本历史、issue 一应俱全； * **消息接口 = Mattermost**。频道承载团队公告，直消息用于紧急一对一——**直消息能插队送进对方当前回合**，是平息撞车的快车道； * **共享上下文 = 借鉴 DeLM 的上下文板**。worker发布五种短条目：OBSERVED（观察到的行为）、FACT（确认的事实）、**FAIL（证伪的方案，最值钱，直接帮全组避坑）**、CLAIM（认领声明）、PATCH\_SUMMARY（改动摘要）。板子是 append-only 的，还配了 grep 工具翻全量历史。 最妙的是实现方式：**协作循环不写死在运行时里，而是写在每个 worker 的 prompt 里**。1024 个 worker 用同一份 prompt，只差 worker ID。底层单 agent harness 可插拔——实验里用的是 Copilot，换 Claude Code 只需一个轻量适配器。 ## **实验：拿五个最难的软件开刀** 考场是 **ProgramBench**：给一个编译好的参考二进制，**断网**，6 小时预算，从零重建出能通过隐藏测试的完整代码库。选了全基准最难的五道题，参考仓库都是怪物级：  表1：ProgramBench 五个最难任务的参考仓库规模 **PHP-src 两万六千个文件、281 万行代码**，FFmpeg 也有 155 万行。模型统一 GPT-5.6-sol（high），底层 harness 统一 Copilot，唯一变量是 agent 数量。 结果：1 → 8 → 32 → 128 个 agent，五题平均最终通过率 \*\*19.31% → 20.68% → 26.52% → 28.78%\*\*，相对提升约 **49%**。pandoc 一题继续推到 1024 个：**33.89% → 50.94%（128 个）→ 55.06%（1024 个）**。  图5：五个最难任务上从 1 到 128 个 agent 的最终通过率 ## **不只更高，还更快** 前两个小时的曲线更有意思：**大组织更早达到同等水平**。pandoc 上 30% 通过率这条线，128 个 agent 在 30 分钟就跨过去了，32 个要 60 分钟，8 个要 90 分钟，**单 agent 两小时内始终没摸到**。 也就是说，agent 数量同时买到了两样东西：最终质量，和到达质量的速度。对有硬时限的任务，这是双重利好。  图6：前五题 2 小时内通过率随时间变化，大组织更早到达同等水平 ``` Agensh: Scaling Organizational Intelligence to 1,024 Agents arxiv：2609.26781 ``` [跳转微信打开](https://wechat2rss.bestblogs.dev/link-proxy/?k=ca5d1687&r=1&u=https%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzk0MTYzMzMxMA%3D%3D%26mid%3D2247512389%26idx%3D1%26sn%3Dd680de6f1e33130e1a915726c5f9d234)